Столбцы должны быть одинаковой длины с ключом - PullRequest
Новая
       21

Столбцы должны быть одинаковой длины с ключом

0 голосов
/ 05 апреля 2019

У меня есть этот вмененный фрейм данных: 

   Imputed_Df.head():


                        Atmospheric_Pressure    Global_Radiation        Net_Radiation   Precipitation   Relative_Humidity   Temperature    Wind_Direction   Wind_Speed
 Time                               
 2013-11-01 01:00:00             999.451              207.75               99.09            4.450000           39.958667         13.600000      117.231667    2.138500
 2013-11-01 05:00:00             992.760              167.77               85.16            5.746667           56.107500         11.900000      244.410000    2.313000
 2013-11-01 09:00:00             990.272              157.00               95.04            6.271000           37.113333         12.802083      297.131500    3.270350
 2013-11-01 10:00:00             998.367              191.26               82.32            4.428000           37.946500         13.800000      143.103333    2.232500

И я хочу в основном сгладить все столбцы, а затем добавить новые сглаженные столбцы в этот фрейм данных, поэтому вот как я пытался это сделать:

import statsmodels
from statsmodels.tsa.api import ExponentialSmoothing, SimpleExpSmoothing, Holt


def Smoothing(Col):
  for Col in Imputed_Df.columns:
    fit = SimpleExpSmoothing(Imputed_Df[Col]).fit(smoothing_level=0.2, optimized=False)
    fcast = fit.predict(start=Imputed_Df.index.min(), end=Imputed_Df.index.max())
    return fcast



 Imputed_Df[['col1', 'col2', 'col3','col4','col5' , 'col6' , 'col7' , 'col8']] = Imputed_Df.apply(Smoothing, axis=1)

Но я получил эту ошибку: 

 Columns must be same length as key

Любое предложение будет высоко ценится, спасибо.

1 Ответ

0 голосов
/ 05 апреля 2019

Предположим, ваш Smoothing Function равен Correct

print(Imputed_Df.apply(Smoothing, axis=1))

и проверьте count возвращенных столбцов из вашего df, оно должно соответствовать 8, как вы принимаете Imputed_Df[['col1', 'col2', 'col3','col4','col5' , 'col6' , 'col7' , 'col8']]

если число выходных столбцов df не равно 8, попробуйте 

import statsmodels
from statsmodels.tsa.holtwinters import SimpleExpSmoothing
def Smoothing(Imputed_Df):
    my_df = Imputed_Df.copy()
    for Col in Imputed_Df.columns:
        fit = SimpleExpSmoothing(Imputed_Df[Col]).fit(smoothing_level=0.2, optimized=False)
        my_df[Col] = fit.predict(start=Imputed_Df.index.min(), end=Imputed_Df.index.max())
    return my_df

На самом деле я обнаружил, что данные временного ряда нерегулярны. 

Imputed_Df = Imputed_Df.resample('H').pad() ##
Imputed_Df[['col1', 'col2', 'col3','col4','col5' , 'col6' , 'col7' , 'col8']] = Smoothing(Imputed_Df)

Я предпочитаю писать таким образом 

Imputed_Df[Imputed_Df.columns + "_SES"]= Smoothing(Imputed_Df)
...