使用Statsmodels SARIMAX时get_prediction()报ValueError问题求助

Hey，我来帮你分析下这个报错的根源和解决办法：

问题背景 #

你从大的数据框中提取了一段时间序列，代码和样本数据如下：

df_test = df.loc[(df['time'] >= '2015-05-01') & (df['time'] <= '2015-05-09')]
df_test.set_index('time')

样本数据：

time                total_consumption
122400  2015-05-01 00:01:00  106.391
122401  2015-05-01 00:11:00  120.371
122402  2015-05-01 00:21:00  109.292
122403  2015-05-01 00:31:00  99.838
122404  2015-05-01 00:41:00  97.387

之后你用SARIMAX构建模型并尝试预测：

mod = sm.tsa.statespace.SARIMAX(np.asarray(df_test['total_consumption']), order=(1,1,1), seasonal_order=(0,1,1,12), enforce_stationarity=False, enforce_invertibility=False)
results_final = mod.fit()

start = pd.to_datetime('2015-05-08 00:01:00')
pred = results_final.get_prediction(start, dynamic=False)
pred_ci = pred.conf_int()

结果触发了报错：ValueError: Got a string for start and dates is None

报错原因 #

这个错误其实是两个小问题叠加导致的：

1. 时间索引设置未生效：你执行了df_test.set_index('time')，但Pandas的set_index默认是返回新的数据框，不会修改原数据框。你既没有把结果赋值给df_test，也没加inplace=True参数，所以df_test的索引还是原来的数字序列（122400、122401这些），根本没变成时间索引。
2. 模型丢失了时间上下文：你把total_consumption转成了numpy数组传入SARIMAX，这会彻底丢掉数据的时间索引关联。模型只看到了一串数值，完全不知道每个数值对应的时间点，所以当你传入日期格式的start参数时，模型根本无法匹配对应的位置，自然就报错了。

解决步骤 #

按照下面的方式修改代码就能搞定：

1. 正确设置时间索引：二选一即可：

   # 方式1：将新数据框赋值给原变量
   df_test = df_test.set_index('time')
   # 方式2：直接修改原数据框
   df_test.set_index('time', inplace=True)
   

2. 保留时间信息传入模型：直接传入带时间索引的Series，不要转成numpy数组，这样模型会自动识别时间维度：

   mod = sm.tsa.statespace.SARIMAX(df_test['total_consumption'], order=(1,1,1), seasonal_order=(0,1,1,12), enforce_stationarity=False, enforce_invertibility=False)
   results_final = mod.fit()
   

3. 执行预测：这时候再用日期作为start参数，模型就能正确匹配时间点了：

   start = pd.to_datetime('2015-05-08 00:01:00')
   pred = results_final.get_prediction(start, dynamic=False)
   pred_ci = pred.conf_int()
   

这样调整后，模型就能正常识别时间索引，不会再触发那个ValueError了。

内容的提问来源于stack exchange，提问作者Quentin_P