我有一个使用statsmodels的非常简单的Sarimax模型：
ts_monthly其中ts_exog和df
date vl_1 vl_2
2016-01-01 10 12
2016-02-01 14 1
2016-03-01 98 33
ts_monthly = df.vl_1
ts_exog = df.vl_2
是按日期编制索引的pandas系列：
get_prediction模型拟合有效，但当我尝试运行ts = pd.Series([12,3,2], index=pd.date_range('2016-04-01', '2016-07-01', freq='M'))
mdl.get_prediction('2016-03-01', '2016-07-01', exog=ts, dynamic=False)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-135-c89e9e005a31> in <module>()
6 print(mdl.summary())
7 _ = mdl.plot_diagnostics()
----> 8 pred = mdl.get_prediction(start=start_date, end=end_date, exog=ts_exog, dynamic=False)
9 pred_ci = pred.conf_int()
10
C:\Users\myuer\bin\anaconda3\lib\site-packages\statsmodels\tsa\statespace\sarimax.py in get_prediction(self, start, end, dynamic, exog, **kwargs)
1901 ' appropriate shape. Required %s, got %s.'
1902 % (str(required_exog_shape),
-> 1903 str(exog.shape)))
1904 exog = np.c_[self.model.data.orig_exog.T, exog.T].T
1905
ValueError: Provided exogenous values are not of the appropriate shape. Required (3, 1), got (3,).
时，我收到以下错误：
{{1}}
关于预测外生系列必须具有何种形状的任何想法？
答案 0 :(得分：1)
虽然您的预测系列是在熊猫系列中（因此是一个numpy ndarray），但形状（3，）表示它只有一个索引（即您使用单个索引访问其值，如{{1 }}）。如果您使用ts[0]重新整形数据，则会创建第二个索引（始终为ts.reshape(3, 1)），以便可以0的方式访问值。
我还没有充分了解这种行为，理解它的基本原理，但我也在处理依赖/相关模块（如scipy和scikit-learn）时也看到过这种行为。