无日期时间序列如何使用Statsmodels ARIMA？

当然可以！Statsmodels的ARIMA模型其实并不强制要求你提供日期索引——它核心是依赖时间序列的顺序性和均匀间隔性，日期只是用来做索引标注和可视化的附加信息，完全不影响模型的拟合计算。

具体操作方法 #

• 使用整数索引代替日期
  只要你的数据是均匀间隔且按时间顺序排列的，直接用默认的整数索引就能建模。比如用pandas Series存储数据：

  import pandas as pd
  from statsmodels.tsa.arima.model import ARIMA
  
  # 示例均匀间隔数据（无日期）
  ts_data = pd.Series([14, 16, 19, 23, 27, 31, 33])
  # 直接初始化ARIMA模型，无需日期索引
  model = ARIMA(ts_data, order=(1, 1, 0))
  fitted_model = model.fit()
  
  # 查看模型结果
  print(fitted_model.summary())
  

• 处理可能的报错
  如果你之前遇到报错，大概率是不小心触发了需要日期索引的辅助功能（比如某些可视化工具），但模型拟合本身不会受影响。只要确保你的数据是一维、有序、均匀间隔的序列（pandas Series/numpy数组都可以），整数索引完全能满足需求。

• 预测时的注意事项
  预测未来值时，直接基于序列的位置来指定预测范围即可，不需要日期。比如预测接下来3个时间步的值：

  # 从现有数据的下一个位置开始，预测3个值
  forecast = fitted_model.predict(start=len(ts_data), end=len(ts_data)+2)
  print(forecast)
  

  输出的结果会用整数索引标记位置，之后如果需要补加日期，你可以根据数据的间隔（比如每日、每周）手动生成对应的日期序列关联上即可。

内容的提问来源于stack exchange，提问作者azthec