👦👦一个帅气的boy,你可以叫我Love And Program
🖱 ⌨个人主页:Love And Program的个人主页
💖💖如果对你有帮助的话希望三连💨💨支持一下博主
🤪🤪前言
莫名其妙成了数据分析师,我一直有着既来之则安之的原则,既然如此,那我就先学这一块呗;我的第一项任务:用时间序列Prophet模型建模,这东西不难,唯一一个缺点就是...安装太麻烦,报错更是离谱!!
👏👏正文
报错
error: command C:\\Program Files (x86)\\Microsoft Visual Studio 14.0\\VC\\BIN\\x86_amd64\\link.exe
error: command 'D:\\Microsoft Visual Studio\\2017\\Professional\\VC\\Tools\\MSVC\\14.16.27023\\bin\\
fatal error C1001: 编译器中发生内部错误。 (编译器文件“msc1.cpp”,第 1518 行) 要解决此问题,请尝试简化或更改上面所列位置附近的程序。
warning C4244: “初始化”: 从“Eigen::EigenBase<Derived>: :Index”转换到“int”,可能丢失数据 with
前提
一定要先安好这个才能进入下一步。
pip install pystan==2.19.1.1
Prophet安装事宜
首先直接pip install
肯定是不行,要真这么简单我也不会专门写个这个,最高效的办法是什么?请直接🖱进入pypi网页下载,选择最新的prophet 1.0.1版本进行下载。
下载完成后我们打开安装环境,无论是cmd
还是Anaconda
,一定要把这个包拖到你想要的使用的环境中解压使用,找到环境所在位置如下图,
进入site-packages
文件夹解压后可以看见压缩包中的架构
打开命令提示符,必须使用命令对setup.py
进行操作
#python setup.py build#这一条可以试试,我运行没成功,但是因为好像已经编译过
#直接用下一条就可以安装成功
python setup.py install
直接运行成功,我遇见一个小小的插曲
Importing plotly failed. Interactive plots will not work.
直接安装对应库即可
pip install plotly
示例
源码在这,里面例子可以自己尝试一下,其主要功能我可以简述一下:使用神经网络来查找一组指定属性与其他属性之间的关系,它可用于从更简单的属性中预测难以预料或难以计算的属性。
import pandas as pd
from prophet.plot import plot_plotly, plot_components_plotly
from prophet import Prophet
df = pd.read_csv('../examples/example_wp_log_peyton_manning.csv')
print(df.head())
m = Prophet()
m.fit(df)
future = m.make_future_dataframe(periods=365)
print(future.tail())
forecast = m.predict(future)
forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail()
fig1 = m.plot(forecast)
fig2 = m.plot_components(forecast)
plot_plotly(m, forecast)
plot_components_plotly(m, forecast)
于是,这个号称最难安装的库一上午就安完了,最后这个方法我甚至就用了几分钟,看别人的又是编译器版本太低啥啥的都不行。
对你有帮助的话欢迎支持我,对我点赞+收藏即可🥰🥰