问题描述
我正在处理的问题的上下文是试图将时间序列预测的结果转换回数据框，以便我可以使用袖扣库获得更具交互性的图表，以便我可以将鼠标悬停在数据点上以更详细地了解预测。
所以在训练和创建模拟之后，代码如下：
date_ori = pd.to_datetime(df.iloc[:,0]).tolist()
for i in range(test_size):
date_ori.append(date_ori[-1] + timedelta(days = 1))
date_ori = pd.Series(date_ori).dt.strftime(date_format = '%Y-%m-%d').tolist()
date_ori[-5:]
accepted_results = []
for r in results:
if (np.array(r[-test_size:]) < np.min(df['Close'])).sum() == 0 and \
(np.array(r[-test_size:]) > np.max(df['Close']) * 2).sum() == 0:
accepted_results.append(r)
len(accepted_results)
accuracies = [calculate_accuracy(df['Close'].values,r[:-test_size]) for r in accepted_results]
plt.figure(figsize = (15,5))
for no,r in enumerate(accepted_results):
plt.plot(r,label = 'forecast %d'%(no + 1))
plt.plot(df['Close'],label = 'true trend',c = 'black')
plt.legend()
plt.title('average accuracy: %.4f'%(np.mean(accuracies)))
x_range_future = np.arange(len(results[0]))
plt.xticks(x_range_future[::30],date_ori[::30])
plt.show()
我已经开始剖析最后一个绘图部分，试图将数据转换为数据框，以便使用袖扣进行绘图，因为袖扣的格式如下：
import cufflinks as cf
# data from FXCM Forex Capital Markets Ltd.
raw = pd.read_csv('http://hilpisch.com/fxcm_eur_usd_eod_data.csv',index_col=0,parse_dates=True)
quotes = raw[['AskOpen','AskHigh','AskLow','AskClose']]
quotes = quotes.iloc[-60:]
quotes.tail()
AskOpen AskHigh AskLow AskClose
2017-12-25 22:00:00 1.18667 1.18791 1.18467 1.18587
2017-12-26 22:00:00 1.18587 1.19104 1.18552 1.18885
2017-12-27 22:00:00 1.18885 1.19592 1.18885 1.19426
2017-12-28 22:00:00 1.19426 1.20256 1.19369 1.20092
2017-12-31 22:00:00 1.20092 1.20144 1.19994 1.20147
qf = cf.Quantfig(
quotes,title='EUR/USD Exchange Rate',legend='top',name='EUR/USD'
)
qf.iplot()
到目前为止，我试图将绘图分解成一个数据框，这些是预测结果：
df = accepted_results
rd = pd.DataFrame(df)
rd.T
0 1 2 3 4 5 6 7
0 768.699985 768.699985 768.699985 768.699985 768.699985 768.699985 768.699985 768.699985
1 775.319656 775.891012 772.283885 737.763376 773.811344 785.021571 770.438252 770.464180
2 772.387081 787.562968 764.858772 737.837558 775.712162 770.660990 768.103724 770.786379
3 786.316425 779.248516 765.839603 760.195678 783.410054 789.610540 765.924561 773.466415
4 796.039144 803.113903 790.219174 770.508252 795.110376 793.371152 774.331197 786.772606
... ... ... ... ... ... ... ... ...
277 1042.788063 977.462670 1057.189696 1262.203613 1057.900621 1042.329811 1053.378352 1171.416597
278 1026.857102 975.473725 1061.585063 1307.540754 1061.490772 1049.696547 1054.122795 1117.779434
279 1029.388746 977.097765 1069.265953 1192.250498 1064.540056 1049.169295 1045.126807 1242.474584
280 1030.373147 983.650686 1070.628785 1103.139889 1053.571269 1030.669091 1047.641127 1168.965372
281 1023.118504 984.660763 1071.661590 1068.445156 1080.461617 1035.736879 1035.599867 1231.714340
然后将x轴从
plt.xticks(x_range_future[::30],date_ori[::30])
到
df1 = pd.DataFrame((x_range_future[::30],date_ori[::30]))
df1.T
0 1
0 0 2016-11-02
1 30 2016-12-15
2 60 2017-01-31
3 90 2017-03-15
4 120 2017-04-27
5 150 2017-06-09
6 180 2017-07-24
7 210 2017-09-05
8 240 2017-10-17
9 270 2017-11-20
len(df['Close'].values)
252
当我使用
df['Close'].values
我得到了一个数组，我在把它们放在一起时遇到了问题，袖扣 iplot 图表更好，如果我能以某种方式获得这样做的直觉，那就太棒了，如果我没有这样做，我提前道歉不够努力，但我正在尽我所能，无论我用谷歌搜索多少次，似乎都找不到答案，所以我想我会在这里问。
解决方法
这就是我所做的，我遍历并打印了诸如 print(date_ori) 之类的独立字符串，并使用 print(len(date_ori) 简化了它，后者又具有预测的所有日期，然后我将其变成了一个带有 df['date'] = pd.DataFrame(date_ori) 的数据框，与结果一样，我必须用 df.T 将它们转置，以便它们采用长列格式而不是长行，所以首先
df = pd.DataFrame(results)
df = df.T
然后
df['date'] = pd.DataFrame(date_ori)
我在命名包含所有预测结果的第 0 列时遇到问题，所以我只是用
保存了文件df.to_csv('yo')
然后我将名为 0 的列编辑为结果并将 .csv 添加到最后，然后将数据拉回内存
然后我格式化了日期
format = '%Y-%m-%d'
df['Datetime'] = pd.to_datetime(df['date'],format=format)
df = df.set_index(pd.DatetimeIndex(df['Datetime']))
并删除不需要的列，我想我可以添加我现在开始绘制的接近数据，但是我将结果输入到数据框中，所以现在我可以使用这些很棒的图表！简直不敢相信我在 18 小时内就搞明白了，我太失落了哈哈。
我还把实验放到了一个模拟中，所以只有 1 行结果需要处理，所以我可以弄清楚。