prophet make_future_dataframe()参数说明

最新推荐文章于 2025-03-04 09:00:00 发布

lizz2276

最新推荐文章于 2025-03-04 09:00:00 发布

阅读量3.2k

点赞数

文章标签： python 数据挖掘机器学习

本文链接：https://blog.csdn.net/lizz2276/article/details/126331642

版权

Facebook时间序列预测工具fbprophet – 标点符

def make_future_dataframe(self, periods, freq='D', include_history=True):

"""Simulate the trend using the extrapolated generative model.

Parameters

----------

periods: Int number of periods to forecast forward.

freq: Any valid frequency for pd.date_range, such as 'D' or 'M'.

include_history: Boolean to include the historical dates in the data

frame for predictions.

Returns

-------

pd.Dataframe that extends forward from the end of self.history for the

requested number of periods.

"""

make_future_dataframe()参数说明：

periods: 向前预测步数
freq: 预测单位小时为’H’，天为’D’，月为’M’
include_history: 是否包含历史数据的预测

=====================================================================

facebook开源的prophet时间序列预测工具---识别多种周期性、趋势性（线性，logistic）、节假日效应，以及部分异常值 - bonelee - 博客园

make_future_dataframe（）准备预测的数据框架，该函数的定义如下：

def make_future_dataframe(self, periods, freq='D', include_history=True):
last_date = self.history['ds'].max()
dates = pd.date_range(
start=last_date,
periods=periods + 1, # closed='right' removes a period
freq=freq,
closed='right') # omits the start date
if include_history:
dates = np.concatenate((np.array(self.history['ds']), dates))
return pd.DataFrame({'ds': dates})

periods:指定要预测的时长，要根据freq这个参数去设置。假如freq='D'，那么粒度为天，periods则指定要预测未来多少天的数据。如果freq='H‘,则periods指定要预测未来多少小时的数据（当然，要在框架支持粒度为小时的前提下才能运用）。

include_history：是否包含历史数据，保持默认就好。

=========================================================================

6-Pandas时序数据处理（日期范围pd.date_range()、频率(基础频率表)及移动(shift()、rollforward()、rollback())） - 大脸猫12581 - 博客园

若有以下时间序列，如何在每月月末显示该月数据的均值？

>>> import pandas as pd

>>> import numpy as np

>>> ts = pd.Series(np.random.randint(0,10,10))

>>> ts.index = pd.date_range(start='2020-1-15',periods=10,freq='10D')

>>> ts

2020-01-15 7

2020-01-25 1

2020-02-04 8

2020-02-14 7

2020-02-24 1

2020-03-05 3

2020-03-15 6

2020-03-25 8

2020-04-04 6

2020-04-14 1

Freq: 10D, dtype: int32

====================================================================

>>> pd.date_range(start='2022-08-14 08:01:00',periods=24,freq='5T')
DatetimeIndex(['2022-08-14 08:01:00', '2022-08-14 08:06:00',
'2022-08-14 08:11:00', '2022-08-14 08:16:00',
'2022-08-14 08:21:00', '2022-08-14 08:26:00',
'2022-08-14 08:31:00', '2022-08-14 08:36:00',
'2022-08-14 08:41:00', '2022-08-14 08:46:00',
'2022-08-14 08:51:00', '2022-08-14 08:56:00',
'2022-08-14 09:01:00', '2022-08-14 09:06:00',
'2022-08-14 09:11:00', '2022-08-14 09:16:00',
'2022-08-14 09:21:00', '2022-08-14 09:26:00',
'2022-08-14 09:31:00', '2022-08-14 09:36:00',
'2022-08-14 09:41:00', '2022-08-14 09:46:00',
'2022-08-14 09:51:00', '2022-08-14 09:56:00'],
dtype='datetime64[ns]', freq='5T')