我有一个记录间隔为30秒的数据集，我正在尝试使用时间序列模块中的ARMA函数进行预测预测。由于数据保密，我使用了随机数据来重现错误
import numpy as np
from pandas import *
import statsmodels.api as sm
data = np.random.rand(100000)
data_index = date_range('2013-5-26', periods = len(data), freq='30s')
data = np.array(data)
data_series = Series(data, index = data_index)
model = sm.tsa.ARMA(data_series,(1,0)).fit()
我的软件包版本：
Python版本2.7.3
熊猫0.11.0版
statsmodels版本0.5.0
主要错误信息如下（我省略了一些）：
ValueError Traceback (most recent call last)
<ipython-input-24-0f57c74f0fc9> in <module>()
6 data = np.array(data)
7 data_series = Series(data, index = data_index)
----> 8 model = sm.tsa.ARMA(data_series,(1,0)).fit()
...........
...........
ValueError: freq 30S not understood
在我看来ARMA不支持熊猫生成的日期格式？如果我删除date_range中的freq选项，那么该命令将再次不适用于大系列，因为年份将远远超出熊猫限制。
反正到处走走？谢谢
更新：
好的，可以使用data_series.values，但是接下来，如何进行预测？我的data_index来自[2013-05-26 00:00:00，...，2013-06-29 17:19:30]
prediction = model.predict('2013-05-26 00:00:00', '2013-06-29 17:19:30', dynamic=False)
还是给我一个错误
我知道预测= model.predict（）可以进行并生成整个序列预测，然后可以进行匹配，但是总的来说并不方便。
最佳答案
问题在于，由于某些原因，此频率不会给熊猫带来补偿，因此我们需要一个补偿才能将日期用于任何事物。看来是个熊猫虫/我没有实现。
from pandas.tseries.frequencies import get_offset
get_offset('30s')
也许我们可以改善错误消息。
[编辑我们实际上并不需要日期，只是为了方便预测而重新添加日期，因此您仍然可以使用data_series.values估算模型。]
关于python - statsmodel ARMA功能与Pandas不兼容吗？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/17579932/