ARIMA模型预测周度销售数据时Matplotlib绘图报错求助

背景情况 #

我使用SARIMAX（ARIMA类模型）预测某产品销量，数据为2015-01-01至2016-11-24的周度销售数据（CSV格式），需预测未来9周的销量。代码在月度数据上运行正常，但处理周度数据时绘图阶段出现错误。

CSV数据示例 #

"01-01-2015",9 "08-01-2015",8 "15-01-2015",13 "22-01-2015",10 "29-01-2015",12 "05-02-2015",5 "12-02-2015",4 "19-02-2015",6 "26-02-2015",9 "05-03-2015",3 "12-03-2015",3 "19-03-2015",2 ...

使用的代码 #

def parser(x): return datetime.datetime.strptime(x, '%d-%m-%Y')
fn = 'filename.csv'
y = pd.read_csv(fn, header = 0, parse_dates = [0], index_col = 0, squeeze = True, date_parser = parser)
newmod = sm.tsa.statespace.SARIMAX(y,order=(1, 1, 0),seasonal_order=(1, 1, 0, 12),enforce_stationarity=False,enforce_invertibility=False)
newresults = newmod.fit()
pred_uc = newresults.get_forecast(steps = 9)
pred_ci = pred_uc.conf_int()
y1 = pred_ci.iloc[:,0]
y2 = pred_ci.iloc[:,1]
ax = y.plot(label = "observed")
pred_uc.predicted_mean.plot(ax=ax, label='Forecast')
ax.fill_between(pred_ci.index, pred_ci.iloc[:,0],pred_ci.iloc[:,1], color = 'k' , alpha = 0.5)
ax.set_xlabel('Date')
ax.set_ylabel('Sales count')
plt.legend()
plt.show()

报错信息 #

Traceback (most recent call last):
  File "H:\p36564\fit_net1.py", line 57, in <module>
    pred_uc.predicted_mean.plot(ax=ax, label='Forecast')
  File "H:\p36564\lib\site-packages\pandas\plotting\_core.py", line 2503, in __call__
    **kwds)
  File "H:\p36564\lib\site-packages\pandas\plotting\_core.py", line 1927, in plot_series
    **kwds)
  File "H:\p36564\lib\site-packages\pandas\plotting\_core.py", line 1729, in _plot
    plot_obj.generate()
  File "H:\p36564\lib\site-packages\pandas\plotting\_core.py", line 258, in generate
    self._post_plot_logic_common(ax, self.data)
  File "H:\p36564\lib\site-packages\pandas\plotting\_core.py", line 396, in _post_plot_logic_common
    fontsize=self.fontsize)
  File "H:\p36564\lib\site-packages\pandas\plotting\_core.py", line 470, in _apply_axis_properties
    labels = axis.get_majorticklabels() + axis.get_minorticklabels()
  File "H:\p36564\lib\site-packages\matplotlib\axis.py", line 1245, in get_majorticklabels
    ticks = self.get_major_ticks()
  File "H:\p36564\lib\site-packages\matplotlib\axis.py", line 1396, in get_major_ticks
    numticks = len(self.get_major_locator()())
  File "H:\p36564\lib\site-packages\matplotlib\dates.py", line 1249, in __call__
    self.refresh()
  File "H:\p36564\lib\site-packages\matplotlib\dates.py", line 1269, in refresh
    dmin, dmax = self.viewlim_to_dt()
  File "H:\p36564\lib\site-packages\matplotlib\dates.py", line 1026, in viewlim_to_dt
    .format(vmin))
ValueError: view limit minimum -36710.65 is less than 1 and is an invalid Matplotlib date value. This often happens if you pass a non-datetime value to an axis that has datetime units.

问题根源与解决办法 #

这个报错的核心原因其实很清晰：你给SARIMAX指定的季节性周期与周度数据不匹配，导致预测结果的索引不是合法的日期格式。

1. 修正季节性周期参数 #

你当前的seasonal_order=(1,1,0,12)里，最后一个参数12是月度数据的季节性周期（一年12个月），但周度数据的季节性周期应该是52（一年约52周）。把这个参数改成52，也就是seasonal_order=(1,1,0,52)，这是解决问题的关键。

为什么这会引发绘图错误？因为当周期参数不匹配时，SARIMAX生成的预测索引可能无法正确解析为datetime类型，或者计算出的日期超出了Matplotlib可识别的日期范围，最终触发"无效日期值"的报错。

2. 额外验证与修复步骤 #

除了修改周期参数，你还可以做以下几步确保数据和预测索引的正确性：

• 检查原始数据索引类型：运行print(y.index.dtype)，确认输出是datetime64[ns]，确保时间序列的索引格式正确。
• 查看预测结果的索引：运行print(pred_uc.predicted_mean.index)，确认这些日期是原始数据结束日期之后的连续9周，且为合法的datetime格式。
• 如果索引仍有问题，可以手动生成未来日期并赋值：

  # 获取原始数据的最后一个日期
  last_date = y.index[-1]
  # 生成未来9周的日期序列（从下一周开始）
  future_dates = pd.date_range(last_date, periods=10, freq='W')[1:]
  # 给预测结果和置信区间设置正确的索引
  pred_uc.predicted_mean.index = future_dates
  pred_ci.index = future_dates
  

3. 检查CSV数据格式 #

你的CSV数据示例看起来是用空格分隔每个日期-销量对，这不符合标准CSV的格式（通常每行一条数据，或用逗号分隔字段）。如果你的原始CSV确实是这种格式，pd.read_csv可能无法正确解析数据，导致索引或数值异常。你可以检查y的结构（比如print(y.head())），确保它是一个正确的时间序列。如果解析有问题，可以调整pd.read_csv的参数，比如指定sep=' '来分隔数据。

修改季节性周期参数后，重新运行代码，应该就能正常完成绘图了。

内容的提问来源于stack exchange，提问作者Arkistarvh Kltzuonstev