Python：熊猫的时间序列

我想用熊猫的时间序列。我从一个csv文件中逐个读取多个时间序列，该文件的“日期”列中的日期为（YYYY-MM-DD）：

时间序列可以有不同的频率：日、周、月、季度、年，我想根据我在生成Arima模型之前确定的频率对时间序列进行索引。有人能解释一下我如何定义这个系列的频率吗

stepwise_fit = auto_arima(df[Series_name]....

---

pandas有一个内置函数

pandas.expert_freq（）

或者，您也可以使用列的datetime功能

df.Date.dt.freq
#'MS'

当然，如果你的数据实际上没有一个真实的频率，那么你什么也得不到

pd.infer_freq(df.Date3)
#

---

频率描述记录在下面。

听起来像是要重新采样。。如果没有您的数据示例，很难说不，我只是想确保时间序列“理解”了“日期”列中的频率，以便auto.arima识别正确的季节差异系数。我很难准确理解您需要做什么。你有错误吗？或者是你得到了意想不到的结果？我想看一下，因为它可能会更好地回答您的问题。我想要的是定义数据频率，从我从csv导入并定义时间序列开始。原因：为了让auto.arima计算出最佳的arima模型，它需要知道输入数据的频率。否则，它通常不会考虑具有季节性差异的Arima模型。与R相比：如果在定义时间序列时，我没有指定比auto更高的频率。arima结果将不是最佳模型。希望现在已经明朗。您如何正式定义单个行的频率值？您计划如何基于上一行和下一行中的日期值来计算它？

df.Date.dt.freq
#'MS'

pd.infer_freq(df.Date3)
#