Python 双月数据预测

我有一个两年的销售数据，数据如下

Date_time_index Customer exposure.
 1/3/2015. 234.
 15/3/2015. 560.
 1/4/2016. 789.
 15/4/2016. 678.
 1/5/2017 222.
 15/5/2017. 456. 

Days. Customer_exposure.
 15. 23.
 14. 560.
 15. 789.
 14. 678.
 15. 222.



ce_lm3 = smf.ols(customer_exposure~ days', data=differenced_series).fit()

所以基本上我想预测2018年数据的双峰销售额

由于python不接受回归的日期-时间索引，并且如果我将日期转换为天数，数据如下所示

Date_time_index Customer exposure.
 1/3/2015. 234.
 15/3/2015. 560.
 1/4/2016. 789.
 15/4/2016. 678.
 1/5/2017 222.
 15/5/2017. 456. 

Days. Customer_exposure.
 15. 23.
 14. 560.
 15. 789.
 14. 678.
 15. 222.



ce_lm3 = smf.ols(customer_exposure~ days', data=differenced_series).fit()

上述将双峰数据转换为天数对我来说似乎不太正确和明智，有谁能建议我如何将该时间序列指数转换为天数，以便预测2018年客户的风险敞口

注意，，：我无法将日期时间索引转换为月数，因为这是一个双月数据，而不是每月或任何其他级别的数据。这严格要求是双月数据

---

提前感谢在

datetime

模块中的

datetime

对象有一个有用的函数

strtime（）

，它允许使用

格式

参数将字符串转换为

datetime

对象：

>>> from datetime import datetime
>>> a = datetime.strptime('1/3/2015', '%d/%m/%Y')
>>> b = datetime.strptime('15/3/2015', '%d/%m/%Y')
>>> print (b-a).days
14