Python 时间序列 Dickey-Fuller ValueError : too many values to unpack (expected 2)

Question

我正在尝试执行时间序列分析，在此过程中我将执行迪基富勒测试来检查数据帧的平稳性。

我不断收到错误ValueError:解包值太多(预期为 2)。我已从数据框中删除了带有 NaN 的所有行。我唯一能想到的是 dftest[0:4] (在下面代码的第 4 行中)和 dftest[4] (在第 6 行中) 。我不知道这些值的含义，这可能会导致错误。我尝试使用 Shift Tab 来获取解释，但没有任何帮助。我也尝试过 dftest[0:1] ，但没有成功。仅供引用，我的数据框只有 2 列

from statsmodels.tsa.stattools import adfuller
def test_stationarity(homepriceTS):

    #Determing rolling statistics
    rolmean = pd.rolling_mean(homepriceTS, window=12)
    rolstd = pd.rolling_std(homepriceTS, window=12)

    #Plot rolling statistics:
    orig = plt.plot(homepriceTS, color='blue',label='Original')
    mean = plt.plot(rolmean, color='red', label='Rolling Mean')
    std = plt.plot(rolstd, color='black', label = 'Rolling Std')
    plt.legend(loc='best')
    plt.title('Rolling Mean & Standard Deviation')
    plt.show(block=False)

    #Perform Dickey-Fuller test:
    print 'Results of Dickey-Fuller Test:'
    dftest = adfuller(homepriceTS, autolag='AIC')
    dfoutput = pd.Series(dftest[0:4], index=['Test Statistic','p-value','#Lags Used','Number of Observations Used'])
    for key,value in dftest[4].items():
        dfoutput['Critical Value (%s)'%key] = value
        dfoutput

我一直在这里一步步跟随相当好的时间序列: https://www.analyticsvidhya.com/blog/2016/02/time-series-forecasting-codes-python/

Answer 1

您需要将适当的系列传递给test_stationarity()

如果您的时间序列采用以下格式:

ts.head()

            value
month
2015-08-01    120
2015-09-01    130
2015-10-01    133
2015-11-01    178
2015-12-01    135
...

试试这个:test_stationarity(ts['value'])

这会将数据帧转换为正确的序列，并且是函数所期望的。或者您可以在传递给函数之前对其进行转换:

ts = ts['value']
ts.head()

month
2015-08-01    120
2015-09-01    130
2015-10-01    133
2015-11-01    178
2015-12-01    135
...
test_stationarity(ts)

虽然我不能确定这就是你的确切问题，因为没有示例数据，但我最近在测试时间序列时遇到了相同的错误消息，我可以肯定地说，传递未转换的时间序列会抛出相同的错误消息ValueError:解包值太多(预期为 2) 消息。