使用pmdarima的auto_arima处理ISO周年格式时序数据遇索引问题求助

问题背景 #

使用pmdarima的auto_arima训练登革热周病例时序模型时，遇到警告：

"No supported index is available. Prediction results will be given with an integer index beginning at start."

数据采用ISO 8601周年格式（YYYY-WWW）存储，已尝试用pd.to_datetime转换为时间索引，但问题仍存在。

核心原因 #

1. 转换后的DateTimeIndex未明确设置时序频率，pmdarima无法识别这是每周数据，导致无法利用时间索引进行季节性处理和预测索引生成
2. 部分pandas版本对%G和%V的解析存在兼容性问题，可能导致日期转换后索引不连续或频率丢失
3. 时序数据可能存在缺失、重复，导致索引不满足pmdarima的连续时序要求

解决方案 #

1. 修复日期解析并设置明确周频率 #

简化日期转换逻辑，显式指定索引频率为每周一（对应代码中-1的周一设定），同时补全缺失周保证时序连续：

# 直接用原始周格式拼接周一，简化转换逻辑
barangay_data['date'] = pd.to_datetime(
    barangay_data['week_yearFormat'] + '-1',
    format='%G-W%V-%u',
    errors='coerce'
)

# 过滤无效日期
barangay_data.dropna(subset=['date'], inplace=True)
if barangay_data.empty:
    print(f"Skipping {barangay} as it has no data.")
    continue

# 设置索引并排序，保证时序递增
barangay_data.set_index('date', inplace=True)
barangay_data = barangay_data.sort_index()

# 显式设置每周一的频率，补全缺失周（缺失病例数按业务需求填充，这里用0）
barangay_data = barangay_data.asfreq('W-MON')
barangay_data['Dengue Cases'] = barangay_data['Dengue Cases'].fillna(0)

time_series = barangay_data['Dengue Cases']

2. 验证索引有效性 #

训练模型前，检查索引是否符合要求：

# 检查频率是否正确识别（应输出 <Week: weekday=1>，对应周一）
print(time_series.index.freq)
# 检查索引是否单调递增（应输出True）
print(time_series.index.is_monotonic_increasing)

3. （可选）增强模型对时间特征的识别 #

若仍存在索引识别问题，可在auto_arima中额外传入时间特征辅助模型识别：

model = auto_arima(
    time_series,
    seasonal=True,
    m=52,
    trace=False,
    error_action='ignore',
    suppress_warnings=True,
    stepwise=True,
    # 传入周、年特征帮助模型识别时序规律
    X=pd.DataFrame({
        'week': time_series.index.isocalendar().week,
        'year': time_series.index.isocalendar().year
    })
)

4. 将预测结果转换回周格式 #

若预测后得到整数索引，可手动转换为ISO周格式：

n_periods = 4
forecast, conf_int = model.predict(n_periods=n_periods, return_conf_int=True)

# 生成预测的日期索引（从最后一个日期往后推n周）
last_date = time_series.index[-1]
forecast_dates = pd.date_range(start=last_date + pd.Timedelta(weeks=1), periods=n_periods, freq='W-MON')

# 为预测结果绑定日期索引，并转换为ISO周格式
forecast = pd.Series(forecast, index=forecast_dates)
forecast.index = forecast.index.strftime('%G-W%V')

forecast_results[barangay] = {
    'forecast': forecast,
    'conf_int': conf_int
}

内容的提问来源于stack exchange，提问作者pandoradox23