时间序列回归模型问题

Question

我是 Python 新手，试图做一个时间序列回归模型。我有 3 列，X、Y 和日期。我导入了下面的所有内容，但我遇到了一个错误。

import numpy as np
from sklearn import linear_model
import matplotlib.pyplot as plt
import pandas as pd
%matplotlib inline
from matplotlib.pylab import rcParams
rcParams['figure.figsize'] = 15, 6
import statsmodels.api as sm
import statsmodels.formula.api as smf
from statsmodels.tsa.stattools import adfuller
raw_data = pd.read_csv("IMF and BBG Fair Values.csv")
ISO_TH = raw_data[["IMF_VALUE", "BBG_FV", "IMF_DATE"]]

过滤掉NaN:

filtered_TH = ISO_TH[np.isfinite(raw_data['BBG_FV'])]

我收到此错误：

C:\Program Files\Anaconda3\lib\site-packages\pandas\core\generic.py:2698: >SettingWithCopyWarning: 试图在 DataFrame 中的切片副本上设置值。 尝试改用 .loc[row_indexer,col_indexer] = value

查看documentation中的注意事项

Answer 1

您的问题与您链接的 pandas 文档中所写的问题完全相同。看看他们在那里提供的最小示例：

def do_something(df):
   foo = df[['bar', 'baz']]  # Is foo a view? A copy? Nobody knows!
   # ... many lines here ...
   foo['quux'] = value       # We don't know whether this will modify df or not!
   return foo 

问题在于foo 可能是数据帧df 的副本或视图。如果是视图，那么foo 上的更改也会影响原始数据框df。如果foo 是一个副本，那么foo['quux'] = value 行将不会影响df。

这现在如何转化为您的问题？

您首先从*.csv 文件创建数据框：

raw_data = pd.read_csv("IMF and BBG Fair Values.csv")

然后按以下方式从数据框raw_data 中选择列“IMF_VALUE”、“BBG_FV”、“IMF_DATE”：

ISO_TH = raw_data[["IMF_VALUE", "BBG_FV", "IMF_DATE"]]

现在，这看起来与文档中的第二行非常相似：

foo = df[['bar', 'baz']]

您的ISO_TH 是raw_data 的视图还是副本？我们现在没有！那么如果我们更改ISO_TH 的列会发生什么？ raw_data 是否也会改变？我们现在不这样做，因此发出警告。

玩具示例：

import pandas as pd
import numpy as np
raw_data=pd.DataFrame([[np.inf,22,333,44], [3,4,5,2],[1,2,3,4],[np.inf,0,0,0]],columns=["BBG_FV", "IMF_VALUE", "IMF_DATE", "unused"])
ISO_TH = raw_data[["IMF_VALUE", "BBG_FV", "IMF_DATE"]]
# if we now change ISO_TH, we get a warning
ISO_TH.IMF_VALUE=[0,0,0,0] # SettingWithCopyWarning

您从 ISO_TH 创建中间对象 filtered_TH 的事实在这里没有任何改变。

我们如何解决这个问题？很简单，我们阅读文档并执行那里写的内容！

ISO_TH = raw_data.loc[:,["IMF_VALUE", "BBG_FV", "IMF_DATE"]]

然后像以前一样继续。

补充资料：What rules does Pandas use to generate a view vs a copy?