使用python中的Prophet预测每个类别的值
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了使用python中的Prophet预测每个类别的值相关的知识,希望对你有一定的参考价值。
我很擅长用Python和Prophet做时间序列。我有一个数据集,其中包含变量商品代码,销售日期和数量。我想用python中的Prophet来预测每个月每篇文章的销量。
我尝试使用for循环来执行每篇文章的预测,但我不确定如何在输出(预测)数据中显示文章类型,并且还直接从“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
我想要输出如下,并希望将其直接从“for循环”写入输出文件。
提前致谢。
答案
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。
以上是关于使用python中的Prophet预测每个类别的值的主要内容,如果未能解决你的问题,请参考以下文章
python | prophet的案例实践:趋势检验突变点检验等
python | prophet的案例实践:趋势检验突变点检验等
python | prophet的案例实践:趋势检验突变点检验等