在 python 中使用 Prophet 预测每个类别的值答案

【问题标题】：forecasting values for each category using Prophet in python在 python 中使用 Prophet 预测每个类别的值
【发布时间】：2018-03-12 14:32:32
【问题描述】：

我对用 Python 和 Prophet 做时间序列非常陌生。我有一个包含变量文章代码、日期和销售数量的数据集。我正在尝试使用 Python 中的 Prophet 预测每个月每篇文章的销售量。

我尝试使用 for 循环对每篇文章执行预测，但我不确定如何在输出（预测）数据中显示文章类型，以及如何直接从“for 循环”将其写入文件。

df2 = df2.rename(columns={'Date of the document': 'ds','Quantity sold': 'y'})
for article in df2['Article bar code']:

    # set the uncertainty interval to 95% (the Prophet default is 80%)
    my_model = Prophet(weekly_seasonality= True, daily_seasonality=True,seasonality_prior_scale=1.0)
    my_model.fit(df2)
    future_dates = my_model.make_future_dataframe(periods=6, freq='MS')
    forecast = my_model.predict(future_dates)
return forecast

我想要如下所示的输出，并希望将其直接从“for 循环”写入输出文件。

提前致谢。

【问题讨论】：

标签： python for-loop time-series facebook-prophet

【解决方案1】：

用articletype 分隔您的数据框，然后尝试将所有预测值存储在字典中

def get_prediction(df):
    prediction = {}
    df = df.rename(columns={'Date of the document': 'ds','Quantity sold': 'y', 'Article bar code': 'article'})
    list_articles = df2.article.unique()

    for article in list_articles:
        article_df = df2.loc[df2['article'] == article]
        # set the uncertainty interval to 95% (the Prophet default is 80%)
        my_model = Prophet(weekly_seasonality= True, daily_seasonality=True,seasonality_prior_scale=1.0)
        my_model.fit(article_df)
        future_dates = my_model.make_future_dataframe(periods=6, freq='MS')
        forecast = my_model.predict(future_dates)
        prediction[article] = forecast
    return prediction

现在预测将对每种类型的文章进行预测。

【讨论】：

我现在已经执行了解决方案，但是由于文章条码的总层数在2500左右，记录数超过3M，所以需要很长时间。将检查并更新答案。谢谢@Vj-
@Vj 第 3 行有错字 df = df.rename(columns={'Date of the document': 'ds','Quantity sold': 'y', 'Article bar code': 'article'}) 应该是：df2 = df.rename(columns={'Date of the document': 'ds','Quantity sold': 'y', 'Article bar code': 'article'}) 否？
您是否设法将预测字典转换为数据帧？你知道这样做的解决方案吗？

【解决方案2】：

我知道这是旧的，但我遇到了类似的问题，这对我有用：

df = pd.read_csv('file.csv')
df = pd.DataFrame(df)
df = df.rename(columns={'Date of the document': 'ds', 'Quantity sold': 'y', 'Article bar code': 'Article'})
#I filter first Articles bar codes with less than 3 records to avoid errors as prophet only works for 2+ records by group
df = df.groupby('Article').filter(lambda x: len(x) > 2)

df.Article = df.Article.astype(str)

final = pd.DataFrame(columns=['Article','ds','yhat'])

grouped = df.groupby('client_id')
for g in grouped.groups:
    group = grouped.get_group(g)
    m = Prophet()
    m.fit(group)
    future = m.make_future_dataframe(periods=365)
    forecast = m.predict(future)
    #I add a column with Article bar code
    forecast['Article'] = g
    #I concad all results in one dataframe
    final = pd.concat([final, forecast], ignore_index=True)

final.head(10)

【讨论】：