statsmodels.tsa.arima_model预测时报错TypeError: int() argument must be a string, a bytes-like object or a

Posted 2021-02-04 flipped

在 python 中用 statsmodels创建 ARIMA 模型进行预测时间序列：

import pandas as pd
import statsmodels.api as sm

df = pd.read_csv("data.csv", index_col=0, parse_dates=True)

mod = sm.tsa.statespace.SARIMAX(df['price'], enforce_stationarity=False, enforce_invertibility=False)

res = mod.fit()
res.get_prediction(start=pd.to_datetime('2018-1-1'))

运行后报错：

TypeError: int() argument must be a string, a bytes-like object or a number, not 'Timestamp'

这种情况的原因是，读入的时间序列数据的时间没有统一的间隔，例如打印mod._index的结果是

DatetimeIndex(['2016-01-01', '2016-01-08', '2016-01-15', '2016-01-22',
               '2016-01-30'],
              dtype='datetime64[ns]', name='date', freq=None)

其中2016-01-30是距离前一个时间8天，其它间隔为7天。可以看到这个 DatetimeIndex 的 freq 是 None 类型。
而如果将最后一天修改为2016-01-29，那么mod._index的结果是：

DatetimeIndex(['2016-01-01', '2016-01-08', '2016-01-15', '2016-01-22',
               '2016-01-29'],
              dtype='datetime64[ns]', freq='W-FRI')

但是此时还会报错

KeyError: 'The `start` argument could not be matched to a location related to the index of the data.'

这是由于get_prediction的 start 参数必须是在时间序列中出现过的时间。

debug 经验++：使用库时，因为层层调用，有时遇上问题光看报错信息解决不了，而调用的代码又没写错，那么很有可能就是数据的问题了。 虽然搜索引擎很好用，但是对于有些小问题来说，可能会变成盲目地在互联网大海捞针。对于开源的库，可以看看有没有类似的别人提过的 issue ，有时候确实是库的bug。自己定位问题还有个办法是对比正确完整的例子，找不同点。