Prophet: 时间序列预测库

prophet是facebook开源的python预测库，该库的api设计与sklearn很像，也是分为fit方法和predict方法。

prophet库可以帮助我们进行

• Saturating Forecasts

• Trend Changepoints

• Seasonality, Holidays Effects

• Multiplicative Seasonality

• Uncertainty Intervals

• Outliers

• Non-Daily Data

• Diagnostics

传入prophet的数据分为两列 ds 和 y， 其中

• ds是pandas的日期格式，样式类似与 YYYY-MM-DDfora dateorYYYY-MM-DD HH:MM:SS；

• y列必须是数值型，代表着我们希望预测的值。

本文使用的是wiki网站日访问量（数值经过log处理）的csv数据文件。

安装

!pip3 install fbprophet

一、导入数据

import pandas as pd	
from fbprophet import Prophet	
df = pd.read_csv('example_wp_log_peyton_manning.csv')	
df.head()

检查下df的数据类型

df.dtypes

Run

ds     object	
y     float64	
dtype: object

ds列必须是pandas的datetime数据类型，我们使用pandas自带的pd.to_datetime将日期转为datetime类型。顺便画个图看看

df['ds'] = df['ds'].apply(pd.to_datetime)	
df.set_index('ds').plot()

二、拟合数据

学习数据中的规律

prophet = Prophet()	
prophet.fit(df)

三、预测

生成一个未来的日期的dataframe，然后用训练好的模型prophet来predict。

生成未来日期的dateframe用到 Prophet.makefuturedataframe(periods)

future = prophet.make_future_dataframe(periods=365)	
future.tail()

有了未来的日期,我们就可以使用学习到的趋势来预测未来日期的走势。

预测的结果包括如下变量

'ds', 'trend', 'yhat_lower', 'yhat_upper', 'trend_lower', 'trend_upper',	
       'additive_terms', 'additive_terms_lower', 'additive_terms_upper',	
       'weekly', 'weekly_lower', 'weekly_upper', 'yearly', 'yearly_lower',	
       'yearly_upper', 'multiplicative_terms', 'multiplicative_terms_lower',	
       'multiplicative_terms_upper', 'yhat'

我们只用 'ds','yhat','yhat_lower','yhat_upper'

forecast = prophet.predict(future)	
forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].head()

Prophet.plot方法可以帮助我们可视化

fig1 = prophet.plot(forecast)	
print(fig1)

成分分析

趋势是由不同的成分组成，比如总趋势、年、季节、月、周等等，我们要将这些成分从趋势中抽取出来看看不同成分的趋势情况

fig2 = prophet.plot_components(forecast)	
print(fig2)

prophet库的API相对简单，并且由于使用了pandas标准的dataframe和matplotlib来显示数据，因此很适合python数据科学工作流程。

近期文章

课件获取方式，请在公众号后台回复关键词“20191013”