如何修复Python中statsmodels的Holt和Holt Winters函数中的“TypeError”

我使用这样的数据

data = [253993,275396.2,315229.5,356949.6,400158.2,442431.7,495102.9,570164.8,\
640993.1,704250.4,767455.4,781807.8,776332.3,794161.7,834177.7,931651.5,\
1028390,1114914]

然后，我导入statsmodels并使用Holt的方法

将matplotlib.pyplot作为plt导入 从statsmodels.tsa.Holt导入指数平滑、SimpleExpSmoothing、Holt 霍尔特法 fit1=Holtdata。fitsmoothing_level=0.8，smoothing_slope=0.2，optimized=False l1，=plt.plotlistfit1.fittedvalues+listfit1.forecast5，标记='o' fit2=Holtdata，指数=真。fitsmoothing_level=0.8，smoothing_slope=0.2，optimized=假 l2，=plt.plotlistfit2.fittedvalues+listfit2.forecast5，marker='o' fit3=孔数据，阻尼=真。fit3=平滑水平=0.8，平滑斜率=0.2 l3，=plt.plotlistfit3.fittedvalues+listfit3.forecast5，marker='o' l4，=plt.plotdata，标记='o' plt.legendhandles=[l1，l2，l3，l4]，labels=[Holt的线性趋势，指数趋势，加性阻尼趋势，'data'，loc='best'，prop={'size'：7} 节目 fit2中引发了异常

-------------------------------------- TypeError回溯最近一次呼叫last 在里面 3 l1，=plt.plotlistfit1.fittedvalues+listfit1.forecast5，标记='o' 4. -->5 fit2=Holtdata，指数=真 6 fit2.fitsmoothing_level=0.8，smoothing_slope=0.2，optimized=False 7 l2，=plt.plotlistfit2.fittedvalues+listfit2.forecast5，marker='o' g:\competition\venv\lib\site packages\statsmodels\tsa\holtwiners.py in\uuuuu init\uuuu self，endog，指数，阻尼 851定义初始自我，结束，指数=假，阻尼=假： 852趋势='mul'如果指数，则为'add' ->853超高压，自启动，趋势=趋势，阻尼=阻尼 854 855 def fitself，平滑度=无，平滑度=无，阻尼度=无，优化度=真： g:\competition\venv\lib\site packages\statsmodels\tsa\holtwiners.py in\uuuuuu init\uuuu self、endog、趋势、潮湿、季节、季节、时段、日期、频率、缺失 389 self.trending=趋势在['mul'，'add'] 390自调味料=季节性['mul'，'add']

---

->391如果self.trend=='mul'或self.self.sequential=='mul'和endog我对这个库不是很有经验，但它似乎想要一个系列而不是数据列表。引入pandas.pd并将数据转换为pd.系列：

import matplotlib.pyplot as plt
from statsmodels.tsa.holtwinters import ExponentialSmoothing, SimpleExpSmoothing, Holt
import pandas as pd

data = [253993,275396.2,315229.5,356949.6,400158.2,442431.7,495102.9,570164.8,\
640993.1,704250.4,767455.4,781807.8,776332.3,794161.7,834177.7,931651.5,\
1028390,1114914]

series = pd.Series(data)

# Holt's Method
fit1 = Holt(series).fit(smoothing_level=0.8, smoothing_slope=0.2, optimized=False)
l1, = plt.plot(list(fit1.fittedvalues) + list(fit1.forecast(5)), marker='o')

fit2 = Holt(series, exponential=True).fit(smoothing_level=0.8, smoothing_slope=0.2, optimized=False)
l2, = plt.plot(list(fit2.fittedvalues) + list(fit2.forecast(5)), marker='o')

fit3 = Holt(series, damped=True).fit(smoothing_level=0.8, smoothing_slope=0.2)
l3, = plt.plot(list(fit3.fittedvalues) + list(fit3.forecast(5)), marker='o')

l4, = plt.plot(series, marker='o')
plt.legend(handles = [l1, l2, l3, l4], labels = ["Holt's linear trend", "Exponential trend", "Additive damped trend", 'data'], loc = 'best', prop={'size': 7})
plt.show()

---

你是想接受答案还是什么，这样我就可以得到分数了？对不起，我刚刚看到了。谢谢。