我正在尝试在熊猫数据框上执行seasonal_decompose，但是遇到了我无法逾越的错误。我的时间序列数据包含按时间顺序排列的时间间隔，考虑到我的数据是股票价格，这是明智的选择（在市场交易时间后会出现这些时间间隔，以及不同的月份长度等）。数据本身可以被认为是连续的，但是熊猫似乎不想推断任何频率。
我的所有时间范围数据（1m，5m，15m ... 1D，1M）均已正确填充，但频率设置为“无”。我的算法在实例化时创建一个空的数据帧，并在数据在算法运行时过程中通过loc向其添加值。因此，也许这就是为什么频率为“无”的原因（因为在生成所有数据后通常会使用熊猫）。
我尝试使用以下方法在seasonal_decompose之前明确设置频率：
data.index.freq = data.index.freq or to_offset(timeframe.Timespan).freqstr
其中timeframe.Timespan是python timedelta对象。结果字符串是正确的（“ D”是因为时间跨度是每天），但是会发生以下错误：
ValueError：从传递的值推断出的频率无与传递的频率D不符
所以我不能在索引上明确设置频率吗？我该如何解决？无论如何，如何从这些字符串中得出频率整数（传递给seasonal_decompose）？我也不允许更改data.index.inferred_freq的值，所以这不是一个选择。
答案 0 :(得分：0)
您需要的声音是DataFrame.asfreq：
data = data.asfreq(data.index.freq or to_offset(timeframe.Timespan).freqstr)