预测双月数据答案

【问题标题】：Forecasting Bimonthly data预测双月数据
【发布时间】：2018-06-29 13:59:57
【问题描述】：

我有 2 年的双月数据销售，数据看起来像这样

Date_time_index Customer exposure.
 1/3/2015. 234.
 15/3/2015. 560.
 1/4/2016. 789.
 15/4/2016. 678.
 1/5/2017 222.
 15/5/2017. 456.

所以基本上我想预测 2018 年数据的双月销售额。

由于 python 不接受回归的日期时间索引，如果我将日期转换为天数，数据将如下所示

Days. Customer_exposure.
 15. 23.
 14. 560.
 15. 789.
 14. 678.
 15. 222.



ce_lm3 = smf.ols(customer_exposure~ days', data=differenced_series).fit()

上述将双月数据转换为天数对我来说似乎不太正确和明智，谁能建议我如何将这个时间序列索引转换为天数，以便我可以预测 2018 年客户的曝光率。

注意，，：我无法将我的日期时间索引转换为月份数，因为这是一个双月数据，而不是每月或任何其他级别的数据。这严格需要是双月数据。

提前致谢

【问题讨论】：

标签： python time-series forecasting

【解决方案1】：

datetime 模块中的datetime 对象有一个有用的函数strptime()，它允许使用format 参数将字符串转换为datetime 对象：

>>> from datetime import datetime
>>> a = datetime.strptime('1/3/2015', '%d/%m/%Y')
>>> b = datetime.strptime('15/3/2015', '%d/%m/%Y')
>>> print (b-a).days
14

【讨论】：