Python时间序列预测：如何自动划分训练集与测试集（固定取最后12个月为测试集）

嗨，刚入门时间序列和编程的话，手动数索引划分数据集确实挺麻烦的，完全理解你想要自动化这个步骤的需求！

你的数据是时间作为索引、搭配一个数值列的结构，其实不用硬编码行数，我们可以利用时间索引的特性来自动锁定最后12个月的数据作为测试集，两种常用方法给你参考：

方法一：基于时间戳筛选（最稳妥，适配所有时间粒度数据） #

这个方法不依赖数据的行数，只看时间索引，哪怕你的数据是日度、周度或者有缺失月份，都能准确取到最后12个月的数据，通用性最强。

首先要确保你的索引是datetime类型（如果还没转换的话，先做这一步），然后计算测试集的起始时间，再拆分：

import pandas as pd

# 确保时间索引是datetime格式（如果原始索引不是的话执行这行）
df1.index = pd.to_datetime(df1.index)

# 计算测试集的起始日期：取数据中最晚的日期，往前推12个月
test_start = df1.index.max() - pd.DateOffset(months=12)

# 划分训练集和测试集
train = df1[df1.index < test_start]
test = df1[df1.index >= test_start]

方法二：基于位置索引（仅适用于规整的月度数据） #

如果你的数据是严格按月汇总、每个月只有一行、没有缺失月份的规整数据，那可以直接用位置索引来快速拆分，代码更简洁：

# 训练集：除了最后12行之外的所有数据
train = df1.iloc[:-12]
# 测试集：最后12行（对应最后12个月）
test = df1.iloc[-12:]

⚠️ 注意：如果你的数据有缺失月份、或者是日度/周度数据，这个方法就会出错（比如最后12行可能对应不到完整的12个月），所以优先推荐方法一。

这样不管你的数据后续有没有更新（比如新增了几个月的数据），代码都能自动适配，不用再手动数行数调整索引啦～

备注：内容来源于stack exchange，提问作者NewbieJon