以下代碼在jupyter下分析，流程

import pandas as pd
from prophet import Prophet

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

創建Prophet() 對象
m = Prophet()

初始化數據，fit方法通過給的數據建立模型

m.fit(df)

指定預測范圍
future = m.make_future_dataframe(periods=365)

執行預測
forecast = m.predict(future)

顯示對原始數據的預測結果
fig1 = m.plot(forecast)

因為x坐標即ds列是datetime格式的，所以這個函數根據時間劃分呈

趨勢，假期，周，季節時間段進行分析

fig2 = m.plot_components(forecast)

展示數據

查看所有列數據
jupyter 中
預測
forecast = Prophet對象.fit(df).predict(future)
展示
fig = Prophet對象.plot_components(forecast)

查看一年四季的數據變化
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’):

繪制預測的年度組成部分。

參數----------m：先知模型。ax：要繪制的可選 matplotlib 軸。 一個將被創建，如果這不提供。不確定性：可選布爾值來繪制不確定性區間，這將僅在 m.uncertainty_samples > 0 時執行。yearly_start: 可選 int 指定每年的開始日期季節性圖。 0（默認）從 1 月 1 日開始這一年。1 次輪班從 1 天到 1 月 2 日，依此類推。figsize: 可選的元組寬度，以英寸為單位的高度。name：季節性組件的名稱（如果之前從默認的“每年”更改）。-------

簡單查看數據，顯示不確定區間
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

以上是生活随笔為你收集整理的第二章 fbprohet 的使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。