如何擬合python中的時間序列數據的多項式

Question

我有一個數據幀爲： 數據幀的索引是時間對象，一列被命名爲'空閒時間'作爲某個數值。

14:09:00   1644 
14:22:35   321 
14:25:17   498 
14:26:10   195 
14:28:22   216 
14:31:58   101 
14:32:07   268 
14:36:26   154 
14:40:26   160 
14:42:46   3085 
14:45:21   172 
14:50:29    71 
14:51:14   594 
14:52:03    79 
14:55:32   130 
14:55:39    69 
14:57:29    80 
14:58:15    68 
14:59:57    78 
15:02:15   112 
15:03:09   191 
15:04:10   537 
15:04:26    85 
15:04:45    65 
15:05:20   223 
15:07:28    95 
15:13:26   117 
15:13:39   176 
15:15:22    73 
15:15:30    70 
...     ... 
16:08:29   181 
16:09:47   137 
16:10:28   345 
16:12:10   138 
16:14:34    65 
16:15:00   104 
16:15:41    65 
16:16:40    91 
16:16:43   415 
16:17:36   302 
16:18:12   2478 
16:19:17   644 
16:24:19   654 
16:24:52   163 
16:25:32   276 
16:29:08    65 
16:29:23    72 
16:30:19    65 
16:32:10    79 
16:32:56    85 
16:34:32    90 
16:34:41   1261 
16:34:52    65 
16:38:13   277 
16:40:06   155 
16:43:11   110 
16:50:57   1190 
16:52:59   142 
16:56:30   756 
17:00:02   116 

[102 rows x 1 columns] 

我想爲這個數據擬合一個最佳多項式來預測下一個30分鐘的空閒時間。我已經使用polyfit函數來擬合多項式。但我得到這個錯誤：

TypeError: unsupported operand type(s) for +: 'datetime.time' and 'float'

任何人都可以建議這裏有什麼問題。我的代碼是：

Idletimes=pd.DataFrame(SampleOne, index=Times, columns=['Idle_duration']) 
Idletimes.sort_index(inplace=True) 
z = np.polyfit(Idletimes.index, Idletimes['Idle_duration'], 2) 
print(z) 

Answer 1

您無法在日期對象上應用np.polyfit。 x和y應該是數字數組。

例如，請看下面的例子從the documentation：

x = np.array([0.0, 1.0, 2.0, 3.0, 4.0, 5.0]) 
y = np.array([0.0, 0.8, 0.9, 0.1, -0.8, -1.0]) 
z = np.polyfit(x, y, 3) 
z 
array([ 0.08703704, -0.81349206, 1.69312169, -0.03968254]) 

所以，你需要你的日期列轉換成一些數值。正如@Evert建議的那樣，您可以嘗試將其轉換爲您的初始起點的秒數。