如何在Python3.4中通过rpy2调用R的arima函数？

我来帮你搞定这个调用ARIMA模型时的报错问题～核心原因是你传递参数的方式不对，R的forecast::arima函数不认c这个参数名，咱们一步步修正：

问题根源 #

在R中直接调用ARIMA时，会写arima(data, order=c(1,0,0))，这里的c(1,0,0)是生成一个整数向量作为order参数的值。但在rpy2里调用R函数时，你需要明确指定参数名order，而不是用c作为参数名，同时要把Python的序列转换成R能识别的向量类型。

修正后的完整代码 #

import rpy2.robjects as robjects
from rpy2.robjects.packages import importr
import pandas as pd
from rpy2.robjects import pandas2ri

# 初始化R工具和包
ts = robjects.r('ts')
forecast = importr('forecast')
pandas2ri.activate()

# 读取并预处理数据
traindf = pd.read_csv('MARUTI.NS.csv', index_col=0)
traindf.index = pd.to_datetime(traindf.index)  # 修正原代码小问题：需明确调用pd.to_datetime

# 转换为R时间序列对象
rdata = ts(traindf.Close, frequency=1)

# 正确调用forecast::arima
fit = forecast.arima(rdata, order=robjects.IntVector([1, 0, 0]))

# 示例：生成预测结果
forecast_output = forecast.forecast(fit, h=5)  # h指定预测期数
print(robjects.r.summary(forecast_output))

关键细节说明 #

• 参数名修正：把原代码里的c=(1,0,0)改成order=robjects.IntVector([1,0,0])，order是forecast::arima指定ARIMA(p,d,q)阶数的标准参数名。
• 向量类型转换：用robjects.IntVector()把Python列表转换成R的整数向量，确保R函数能正确解析参数。
• 数据格式检查：确认你的时间序列frequency设置正确——如果是日度交易数据，后续可以根据实际交易日调整（比如一年252个交易日的话设为252），当前设为1是没问题的。

如果还遇到其他报错，可以检查：

• R环境中是否已经安装了forecast包（可以在R里运行install.packages("forecast")安装）
• pandas数据转换是否正常，确保traindf.Close是数值型序列

内容的提问来源于stack exchange，提问作者Vedant7