自定义Python RMSE计算函数持续返回NaN问题排查求助

问题根因 #

• 核心原因是Pandas的索引自动对齐机制：你使用的测试值序列t = test['X']的索引为年份值（2000_{2019），而模型输出的预测值序列`forecast`的索引为100}119的整数，两者索引完全不匹配。Pandas在执行两个序列的四则运算时，会优先按索引匹配进行对应位置计算，没有匹配到索引的位置会自动填充NaN，最终(t-y)的所有计算结果都是NaN，求均值后自然返回空值。
• 你可以在函数内计算误差前加入print((t-y).isna().all())验证，输出为True即可确认是该问题。

解决方案 #

你可以任选以下任意一种方法修复：

方法1：强制重置索引对齐 #

将两个序列的索引重置为默认的从0开始的连续整数，消除索引不匹配的影响：

def rmse(result):
    forecast = result.forecast(point)  
    t = test['X'].reset_index(drop=True)
    y = forecast.reset_index(drop=True)
    mse = np.mean((t - y)**2)
    return np.sqrt(mse)

方法2：直接取Numpy数组计算 #

跳过Pandas的索引对齐逻辑，直接获取序列底层的数组进行计算：

def rmse(result):
    forecast = result.forecast(point)  
    t = test['X'].values
    y = forecast.values
    mse = np.mean((t - y)**2)
    return np.sqrt(mse)

方法3：从数据切分侧统一索引 #

如果是时序预测场景，你可以在切分训练集、测试集时就保证后续预测输出的索引和测试集索引完全对应，避免后续运算出现索引错位问题。

内容的提问来源于stack exchange，提问作者logrammer