prophet快速开发教程

快来打我* 2022-02-02 02:39 469阅读 0赞

# 一、windows环境安装prophet步骤 #

## 第一步安装Anaconda，配置相关环境变量，在命令行下执行 ##

安装完Anaconda后配置清华镜像  
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/  
conda config --set show\_channel\_urls yes

查看配置  
conda config --show

## 第二步安装C++ compiler，mingw-w64 ##

prophet主要依赖pystan

PyStan windows环境要求：  
Python 2.7：不支持并行采样  
Python 3.5或更高版本：支持并行采样  
PyStan依赖C++编译器  
PyStan针对mingw-w64进行了测试，该编译器适用于两个Python版本（2.7,3.x）并支持x86和x64

安装命令如下

conda install libpython m2w64-toolchain -c msys2

## 第三步安装PyStan ##

conda install pystan -c conda-forge

# 第四步安装fbprophet #

conda install -c conda-forge fbprophet

# 二、prophet快速开发 #

demo代码：[https://github.com/lilihongjava/prophet\_demo/tree/master/quick\_start][https_github.com_lilihongjava_prophet_demo_tree_master_quick_start]

# encoding: utf-8
    """
    @author: lee
    @time: 2019/5/10 14:55
    @file: main.py.py
    @desc: 
    """
    import pandas as pd
    from fbprophet import Prophet
    from pandas.plotting import register_matplotlib_converters
    
    
    def main():
        df = pd.read_csv('./data/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)
        print(forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail())
    
        register_matplotlib_converters()
        fig1 = m.plot(forecast)
        fig1.show()
        fig2 = m.plot_components(forecast)
        fig2.show()
    
    
    if __name__ == "__main__":
        main()

# 三、API讲解 #

下面实例的数据使用的是佩顿 · 曼宁(前美式橄榄球四分卫)的维基百科主页上每日访问量(取对数)的时间序列数据(2007/12/10 - 2016/01/20)。这个数据集具有多季节周期性、不断变化的增长率和可以拟合特定日期(例如佩顿 · 曼宁的季后赛和超级碗)等 。

首先我们将导入数据：

df = pd.read\_csv('../examples/example\_wp\_log\_peyton\_manning.csv')  
df.head()

实例化一个Prophet对象来拟合模型。预测过程的任何设置都将传递给构造函数。然后调用它的fit方法并传入数据。安装需要1-5秒。

m = Prophet()  
m.fit(df)

然后在dataframe(上面df)上进行预测，dataframe包含要进行预测的日期，按你希望预测的天数，将数据延伸(原数据是2007-12-10到2016-01-20，配置了365后数据延申至2017-01-19)。可以通过使用Prophet.make\_future\_dataframe方法指定天数。

future = m.make\_future\_dataframe(periods=365)  
future.tail()

predict方法将通过future变量为每个行指定一个名为yhat的预测值。forecast对象是一个新的dataframe，其中包含一个名为yhat的预测列，以及预测的上下边界"yhat\_upper"、"yhat\_lower"  
forecast = m.predict(future)  
forecast\[\['ds', 'yhat', 'yhat\_lower', 'yhat\_upper'\]\].tail()

可以通过调用Prophet.plot方法并传入数据来绘制预测图。   
fig1 = m.plot(forecast)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzODczNDMx_size_16_color_FFFFFF_t_70][]

上图是一个整体的预测结果图，它包含了从历史数据的时间起点到期望预测的未来时间终点的结果。图中的ds坐标表示时间，y坐标对应预测值。图中的黑点表示已知的历史数据，由图上我们很容易发现数据中的异常点，蓝色曲线表示模型的预测值。仔细查看蓝色曲线，我们可以发现，曲线轮廓的上下边界有浅蓝色区域，它表示模型预测值的上、下边界。在评估结果时，我们将蓝色曲线的预测值视作主预测值，上、下边界的预测值作为参考。

如果要查看预测组件，可以使用Prophet.plot\_components方法。默认情况下，有trend，yearly和weekly图。如果你包括holidays，那也能显示出图来。  
fig2 = m.plot\_components(forecast)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzODczNDMx_size_16_color_FFFFFF_t_70 1][]

参考资料：

[https://facebook.github.io/prophet/docs/quick\_start.html][https_facebook.github.io_prophet_docs_quick_start.html]  官方文档快速开始

[https://pystan.readthedocs.io/en/latest/installation\_beginner.html][https_pystan.readthedocs.io_en_latest_installation_beginner.html]  pystan官方安装文档

[https_github.com_lilihongjava_prophet_demo_tree_master_quick_start]: https://github.com/lilihongjava/prophet_demo/tree/master/quick_start
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzODczNDMx_size_16_color_FFFFFF_t_70]: /images/20220202/fe27b7b3f2f54388a56c5cf7945eb6ac.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzODczNDMx_size_16_color_FFFFFF_t_70 1]: /images/20220202/6f85edf522bb433cbd7c054d89c9f943.png
[https_facebook.github.io_prophet_docs_quick_start.html]: https://facebook.github.io/prophet/docs/quick_start.html
[https_pystan.readthedocs.io_en_latest_installation_beginner.html]: https://pystan.readthedocs.io/en/latest/installation_beginner.html