Python：“Pandas 数据转换为对象的 numpy dtype。使用 np.asarray(data) 检查输入数据。”

Posted 2023-03-12

【中文标题】Python：“Pandas 数据转换为对象的 numpy dtype。使用 np.asarray(data) 检查输入数据。”

【英文标题】：Python: "Pandas data cast to numpy dtype of object. Check input data with np.asarray(data)."

【发布时间】：2018-03-14 01:20:19

【问题描述】：

我正在尝试创建一个 ARIMA 模型，以使用来自我的服务器的一些数据来预测时间序列，并且我一直显示标题上的错误并且我不知道我需要什么类型的对象。代码如下：

frame = pd.read_sql(query, con=connection)
connection.close()
frame['time_field'] = pd.to_timedelta(frame['time_field'])
print(frame.head(10))
#fitting
model = ARIMA(frame, order=(5,1,0))
model_fit = model.fit(disp=0)

我见过这样的例子： https://machinelearningmastery.com/arima-for-time-series-forecasting-with-python/

他们使用日期而不是时间与各自的值。这是帧值的输出：

time_field   value_field
0 00:00:14  283.80
1 00:01:14  271.97
2 00:02:14  320.53
3 00:03:14  346.78
4 00:04:14  280.72
5 00:05:14  277.41
6 00:06:14  308.65
7 00:07:14  321.27
8 00:08:14  320.68
9 00:09:14  332.32

【问题讨论】：

你为什么连接到mysql？ Pandas 将其抽象出来。

我正在连接到 mysql，因为这是我现在唯一可用的服务器，并且我正在将其格式化为帧输出，因为这是 ARIMA 函数的输入格式

你找到答案了吗？

【参考方案1】：

您需要将“time_field”列作为数据框的索引（在 ARIMA 模型中，我们应该始终将日期时间列设置为数据框的索引）

frame=frame.set_index['time_field']
model = ARIMA(frame, order=(5,1,0))
model_fit = model.fit(disp=0)

注意：- 当您设置索引列时，如果索引列有任何重复值，您可能会收到错误。所以在这种情况下，你最好通过求和来分组。

frame = frame.groupby(['time_field']).agg('value_field': 'sum') 
or
frame = frame.groupby(['time_field']).sum()

【参考方案2】：

我遇到了类似的问题，我使用 pandas Series 而不是 DataFrame 为我工作，时间戳列作为索引

data = pd.Series(frame.value_fields, index=frame.time_field)
model = ARIMA(data, order=(5,1,0))
model_fit = model.fit(disp=0)

【讨论】：

data = pd.Series(frame.value_fields.values, index=frame.time_field) 为我工作