Statsmodels - TypeError：输入类型不支持 ufunc 'isnan'答案

【问题标题】：Statsmodels - TypeError: ufunc 'isnan' not supported for the input typesStatsmodels - TypeError：输入类型不支持 ufunc 'isnan'
【发布时间】：2020-07-14 14:49:04
【问题描述】：

我试图运行一段代码，用于评估 SARIMAX 模型中 P、D 和 Q 不同值的均方误差。这个确切的代码块以前对我来说工作得很好，我没有在任何地方更改它，所以我只能假设问题是数据，但我也以同样的方式处理了它，所以我不知道为什么不行吗？


def evaluate_sarima_model(data, arima_order, s_order): 
    split=int(len(data) * 0.8) 
    train, test = data[0:split], data[split:len(data)]
    past=[x for x in train]
    # make predictions
    predictions = list()
    for i in range(len(test)):
        model = sm.tsa.statespace.SARIMAX(past, order=arima_order, seasonal_order = s_order, enforce_stationarity=False, enforce_invertibility=False)
        model_fit = model.fit(disp=0)
        future = model_fit.forecast()[0]
        predictions.append(future)
        past.append(test[i])
    # calculate out of sample error
    error = mean_squared_error(test, predictions)
    return error

def evaluate_models(dataset, p_values, d_values, q_values, P_values, D_values, Q_values):
    best_score, best_cfg = float("inf"), None
    for p in p_values:
        for d in d_values:
            for q in q_values:
                for P in P_values:
                    for D in D_values:
                        for Q in Q_values:
                            order = (p,d,q)
                            s_order = (P, D, Q, 12)
                            try:
                                mse = evaluate_sarima_model(dataset, order, s_order)
                                if mse < best_score:
                                    best_score, best_cfg, seas = mse, order, s_order
                                print('SARIMA%s %s MSE=%.3f' % (order,seas, mse))
                            except:
                                continue
    return print('Best SARIMA%s %s MSE=%.3f' % (best_cfg, seas, best_score))

p_values = [1]
d_values = [1] 
q_values = [1] 
P_values = [x for x in range(0, 3)]
D_values = [x for x in range(0, 3)]
Q_values = [x for x in range(0, 3)]

我正在使用以下数据集：

DatetimeIndex: 175 entries, 2005-12-01 to 2020-06-01
Freq: MS
Data columns (total 1 columns):
 #   Column    Non-Null Count  Dtype
---  ------    --------------  -----
 0   turnover  175 non-null    int32
dtypes: int32(1)
memory usage: 7.1 KB

当我运行它时，我收到以下错误：


evaluate_models(turnover_month, p_values, d_values, q_values, P_values, D_values, Q_values)

UnboundLocalError: local variable 'seas' referenced before assignment

如果我尝试使用 P、D 和 Q 的随机值运行单个模型线，我会得到以下结果，因此我的假设是问题出在第一个块中以及它如何处理此数据集：

TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

【问题讨论】：

看起来变量 seas 只是没有在条件 if mse < best_score: 之外定义。因此，如果条件不满足 seas 未定义并且 return 语句尝试使用未定义的变量。
但是为什么完全相同的代码块在其他地方工作得非常好？我也不确定如何重写代码以在其他地方定义它？
可能是运气。有什么阻止您将seas = mse 移动到if mse < best_score: 上方吗？
刚刚尝试过，不幸的是仍然遇到同样的错误。因此，作为参考，代码块现在说：try: mse = evaluate_sarima_model(dataset, order, s_order) seas = mse if mse < best_score: best_score, best_cfg, seas, order, s_order print('SARIMA%s %s MSE=%.3f' % (order,seas, mse))
拿出尝试和例外。您可能在定义 seas 之前发生了未报告的错误。

标签： python datetime statsmodels arima

【解决方案1】：

在浏览完每一行之后，很明显问题在于数据，而 SARIMA 模型无法处理 DataFrame，而是需要 Series。我只需要 df 上的一个简单的 .Squeeze()

【讨论】：