Python新手求教：如何将ARIMA模型测试结果存入DataFrame

嘿，我完全懂你作为Python新手的困惑！把循环里跑出来的SARIMAX模型结果整理成规整的DataFrame确实需要点小技巧，我来一步步带你实现～

核心思路 #

我们先创建一个空列表，每次循环拟合完模型后，把需要的参数、指标（比如AIC）打包成字典存入列表，等所有循环跑完，再把整个列表转换成DataFrame就行啦。

完整代码实现 #

下面是整合你原有代码后的完整版本，我加了详细的注释：

import pandas as pd
import statsmodels.api as sm

# 先确认你已经定义了参数组合（这里给个示例，你替换成自己的pdq和seasonal_pdq就行）
pdq = [(0,1,0), (0,1,1), (1,1,0), (1,1,1)]
seasonal_pdq = [(0,1,0,12), (0,1,1,12), (1,1,0,12)]

# 初始化空列表，用来存储每一组模型的结果
model_results = []

for param in pdq:
    for param_seasonal in seasonal_pdq:
        try:
            # 拟合SARIMAX模型（和你原来的代码一致）
            mod = sm.tsa.statespace.SARIMAX(
                df_month.Weighted_Price_box,
                order=param,
                seasonal_order=param_seasonal,
                enforce_stationarity=False,
                enforce_invertibility=False
            )
            results = mod.fit()
            
            # 把当前模型的关键信息存入字典
            model_info = {
                'ARIMA阶数': param,
                '季节性阶数': param_seasonal,
                'AIC值': round(results.aic, 2),
                'BIC值': round(results.bic, 2),  # 可选，如果你需要BIC指标的话
                'HQIC值': round(results.hqic, 2)  # 可选，另一种模型选择指标
            }
            
            # 将字典加入列表
            model_results.append(model_info)
            
            # 保留你原来的打印语句，方便实时查看进度
            print(f'ARIMA{param}x{param_seasonal}12 - AIC:{results.aic:.2f}')
            
        except Exception as e:
            # 捕捉拟合失败的情况，避免循环中断
            print(f'参数组合 {param}x{param_seasonal} 拟合出错: {str(e)}')
            continue

# 把列表转换成DataFrame
results_df = pd.DataFrame(model_results)

# 实用小技巧：按AIC值从小到大排序，快速找到最优模型
results_df = results_df.sort_values(by='AIC值', ascending=True).reset_index(drop=True)

# 查看最终整理好的结果
print("整理后的模型结果：")
print(results_df.head())

关键细节说明 #

• 用字典存储单组结果：字典的键会自动成为DataFrame的列名，这样结构更清晰，后续也方便筛选。
• 异常处理：加try-except是为了避免某些参数组合拟合失败时，整个循环直接中断，保证所有有效参数都能跑完。
• 排序优化：按AIC从小到大排序后，最上面的就是拟合效果相对最优的模型（AIC越小，模型拟合优度越高）。

扩展玩法（可选） #

如果需要存储更多模型细节，比如拟合的系数、残差统计量，可以在model_info字典里加这些内容：

model_info = {
    # 原有字段...
    '拟合系数': results.params.to_dict(),  # 把系数转成字典存入
    '残差均值': round(results.resid.mean(), 4),
    '残差标准差': round(results.resid.std(), 4)
}

这样你就能在DataFrame里看到更全面的模型信息啦！

内容的提问来源于stack exchange，提问作者Garbar Oleksandr