以下代碼在jupyter下分析，流程

import pandas as pd
from prophet import Prophet

使用pandas讀取數(shù)據(jù)
df = pd.read_csv(‘./examples/example_wp_log_peyton_manning.csv’)

創(chuàng)建Prophet() 對(duì)象
m = Prophet()

初始化數(shù)據(jù)，fit方法通過(guò)給的數(shù)據(jù)建立模型

m.fit(df)

指定預(yù)測(cè)范圍
future = m.make_future_dataframe(periods=365)

執(zhí)行預(yù)測(cè)
forecast = m.predict(future)

顯示對(duì)原始數(shù)據(jù)的預(yù)測(cè)結(jié)果
fig1 = m.plot(forecast)

因?yàn)閤坐標(biāo)即ds列是datetime格式的，所以這個(gè)函數(shù)根據(jù)時(shí)間劃分呈

趨勢(shì)，假期，周，季節(jié)時(shí)間段進(jìn)行分析

fig2 = m.plot_components(forecast)

展示數(shù)據(jù)

查看所有列數(shù)據(jù)
jupyter 中
預(yù)測(cè)
forecast = Prophet對(duì)象.fit(df).predict(future)
展示
fig = Prophet對(duì)象.plot_components(forecast)

查看一年四季的數(shù)據(jù)變化
from prophet.plot import plot_yearly
m = Prophet().fit(df)
a = plot_yearly(m)

def plot_yearly(m, ax=None, uncertainty=True,
yearly_start=0, figsize=(10, 6), name=‘yearly’):

繪制預(yù)測(cè)的年度組成部分。

參數(shù)----------m：先知模型。ax：要繪制的可選 matplotlib 軸。 一個(gè)將被創(chuàng)建，如果這不提供。不確定性：可選布爾值來(lái)繪制不確定性區(qū)間，這將僅在 m.uncertainty_samples > 0 時(shí)執(zhí)行。yearly_start: 可選 int 指定每年的開(kāi)始日期季節(jié)性圖。 0（默認(rèn)）從 1 月 1 日開(kāi)始這一年。1 次輪班從 1 天到 1 月 2 日，依此類(lèi)推。figsize: 可選的元組寬度，以英寸為單位的高度。name：季節(jié)性組件的名稱(chēng)（如果之前從默認(rèn)的“每年”更改）。-------

簡(jiǎn)單查看數(shù)據(jù)，顯示不確定區(qū)間
df = pd.read_csv(‘…/examples/example_wp_log_R_outliers1.csv’)
m = Prophet()
m.fit(df)
future = m.make_future_dataframe(periods=1096)
forecast = m.predict(future)
fig = m.plot(forecast)

總結(jié)

以上是生活随笔為你收集整理的第二章 fbprohet 的使用的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。