pandas - sklearn TimeSeriesSplit 错误：KeyError：'[0 1 2 ...] 不在索引中'

Question

我想在以下数据帧上使用来自 sklearn 的 TimeSeriesSplit 来预测总和：

因此，要准备 X 和 y，我执行以下操作：

X = df.drop(['sum'],axis=1)
y = df['sum']

然后将这两个喂给：

for train_index, test_index in tscv.split(X):
X_train01, X_test01 = X[train_index], X[test_index]
y_train01, y_test01 = y[train_index], y[test_index]

通过这样做，我收到以下错误：

KeyError: '[ 0  1  2 ...] not in index'

这里 X 是一个数据框，显然这会导致错误，因为如果我将 X 转换为数组，如下所示：

X = X.values

然后它将起作用。但是，为了以后对模型的评估，我需要 X 作为数据框。有什么方法可以将 X 保留为数据框并将其提供给 tscv 而不将其转换为数组？

标签： pandasscikit-learntime-seriessklearn-pandastrain-test-split

Answer 1

正如@Jarad 正确所说，如果您更新了 pandas 版本，它不会像以前的版本那样自动切换到基于整数的索引。您需要明确使用.iloc基于整数的切片。

for train_index, test_index in tscv.split(X):
    X_train01, X_test01 = X.iloc[train_index], X.iloc[test_index]
    y_train01, y_test01 = y.iloc[train_index], y.iloc[test_index]

见https://pandas.pydata.org/pandas-docs/stable/indexing.html