如何将Int64Index序列索引转为DatetimeIndex适配statsmodels ARIMA？

嘿，这个问题我之前也碰到过！你的原索引是整数类型的Int64Index，直接强制转DatetimeIndex肯定会报错——毕竟整数没法直接映射成合法的日期时间值嘛。不过好在你说索引具体内容无所谓，只要保持顺序就行，那咱们直接生成一个和原序列长度匹配的DatetimeIndex替换它就行，完全能满足statsmodels ARIMA的格式要求。

具体操作步骤超简单：

• 先获取你序列的长度：

  import pandas as pd
  length = len(ts)
  

• 生成一个连续的DatetimeIndex替换原索引，起始日期随便选个合法日期就行，频率也可以随意设置（比如按天）：

  ts.index = pd.date_range(start='2020-01-01', periods=length, freq='D')
  

• 验证一下索引类型，确认已经变成DatetimeIndex：

  print(type(ts.index))  # 输出 <class 'pandas.core.indexes.datetimes.DatetimeIndex'>
  

这样处理后，你的序列就完全符合ARIMA模型的格式要求了，而且原序列的顺序一点没改，完全不影响模型训练~

内容的提问来源于stack exchange，提问作者Yu Shen