如何通过rpy2在Python中适配R包seasonal的输入数据格式？

问题场景 #

在Python中使用rpy2调用R的seasonal包时，直接传入pandas Series会触发以下错误：

RRuntimeError: Error in x13_prepare(list = list, na.action = na.action, iofile = iofile) : 
  'x' argument is not a time series

解决方法 #

R的seasonal::seas函数要求输入必须是R原生的时间序列（ts）对象，而非普通的pandas Series。需要手动将pandas Series转换为符合要求的R时间序列格式，具体步骤如下：

1. 导入并激活rpy2的pandas转换模块 #

使用rpy2.robjects.pandas2ri模块实现pandas与R对象的转换，先导入并激活转换机制。

2. 将pandas Series转换为R的ts对象 #

转换时需指定时间序列的频率（比如月度数据频率为12），确保R能识别时间序列的周期。

3. 调用seasonal包的seas函数 #

使用转换后的R时间序列对象作为参数传入seas函数。

修改后的完整代码 #

# 导入必要包
import rpy2.robjects as robjects
from rpy2.robjects.packages import importr
from rpy2.robjects import pandas2ri
import pandas as pd
from pandas import Timestamp

# 激活pandas与R对象的转换机制
pandas2ri.activate()

# 创建带时间索引的pandas Series
s = pd.Series(
    {Timestamp('2013-03-01 00:00:00'): 838.2,
     Timestamp('2013-04-01 00:00:00'): 865.17,
     Timestamp('2013-05-01 00:00:00'): 763.0,
     Timestamp('2013-06-01 00:00:00'): 802.99,
     Timestamp('2013-07-01 00:00:00'): 875.56,
     Timestamp('2013-08-01 00:00:00'): 754.4,
     Timestamp('2013-09-01 00:00:00'): 617.48,
     Timestamp('2013-10-01 00:00:00'): 994.75,
     Timestamp('2013-11-01 00:00:00'): 860.86,
     Timestamp('2013-12-01 00:00:00'): 786.66}
)

# 将pandas Series转换为R的时间序列（ts）对象，指定频率为12（月度数据）
r_ts = pandas2ri.py2rpy(s)
# 手动设置R时间序列的频率，确保识别为月度周期
robjects.r('attr(%s, "frequency") <- 12' % r_ts.__symbol__)

# 导入seasonal包并调用seas函数
sea_package = importr('seasonal')
m = sea_package.seas(r_ts)

关键说明 #

• pandas2ri.activate()：开启pandas和R对象的自动转换，但时间序列需手动指定频率，否则R无法识别周期。
• 频率参数：月度数据用12，季度数据用4，年度数据用1，需根据自身数据类型调整。
• 若不手动设置频率，R可能无法正确解析时间序列的周期，导致seas函数仍报错。

内容的提问来源于stack exchange，提问作者123456