Python3中使用Prophet进行时间序列预测的指南

介绍

在之前的教程中，我们展示了如何可视化和操作时间序列数据，以及如何利用 ARIMA 方法从时间序列数据中生成预测。我们注意到 ARIMA 模型的正确参数化可能是一个复杂的手动过程，需要一定的时间。

其他统计编程语言，如 R 提供自动化方式来解决这个问题，但尚未正式移植到 Python。幸运的是，Facebook 的核心数据科学团队最近发布了一种名为 Prophet 的新方法，该方法使数据分析师和开发人员能够在 Python 3 中进行大规模预测。

先决条件

本指南将介绍如何在本地桌面或远程服务器上进行时间序列分析。处理大型数据集可能会占用大量内存，因此无论哪种情况，计算机都需要至少 2GB 内存 来执行本指南中的一些计算。

在本教程中，我们将使用 Jupyter Notebook 来处理数据。如果您还没有它，您应该按照我们的教程安装和设置适用于 Python 3 的 Jupyter Notebook。

第 1 步 — 拉取数据集并安装包

为了使用 Prophet 设置我们的时间序列预测环境，让我们首先进入我们的本地编程环境或基于服务器的编程环境：

cd environments

. my_env/bin/activate

从这里，让我们为我们的项目创建一个新目录。我们将它命名为timeseries，然后进入目录。如果您使用不同的名称命名项目，请务必在整个指南中用您的名称替换 timeseries：

mkdir timeseries
cd timeseries

我们将使用 Box and Jenkins (1976) Airline Passengers dataset，其中包含 1949 年至 1960 年间每月航空公司乘客数量的时间序列数据。您可以通过使用带有 -O 标志的 curl 命令将输出写入文件并下载 CSV 来保存数据：

curl -O https://assets.digitalocean.com/articles/eng_python/prophet/AirPassengers.csv

本教程将需要 pandas、matplotlib、numpy、cython 和 fbprophet 库。像大多数其他 Python 包一样，我们可以使用 pip 安装 pandas、numpy、cython 和 matplotlib 库：

pip install pandas matplotlib numpy cython

为了计算其预测，fbprophet 库依赖于 STAN 编程语言，以纪念数学家 Stanislaw Ulam 命名。因此，在安装 fbprophet 之前，我们需要确保安装了 pystan 到 STAN 的 Python 包装器：

pip install pystan

完成后，我们可以使用 pip 安装 Prophet：

pip install fbprophet

现在我们都设置好了，我们可以开始使用已安装的包。

第 2 步 — 导入包和加载数据

要开始处理我们的数据，我们将启动 Jupyter Notebook：

jupyter notebook

要创建新的笔记本文件，请从右上角的下拉菜单中选择 New > Python 3：

这将打开一个笔记本，允许我们加载所需的库。

作为最佳实践，首先在笔记本顶部导入您需要的库（注意用于引用 pandas、matplotlib 和 statsmodels 的标准简写）：

%matplotlib inline
import pandas as pd
from fbprophet import Prophet

import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')

请注意，我们还如何为我们的绘图定义了 Fivethirtyeight matplotlib 样式。

在本教程中的每个代码块之后，您应该键入 ALT + ENTER 以运行代码并移动到笔记本中的新代码块。

让我们从读入我们的时间序列数据开始。我们可以使用以下命令加载 CSV 文件并打印出前 5 行：

df = pd.read_csv('AirPassengers.csv')

df.head(5)

我们的 DataFrame 显然包含 Month 和 AirPassengers 列。 Prophet 库需要一个 DataFrame 作为输入，其中一列包含时间信息，另一列包含我们希望预测的指标。重要的是，时间列应该是 datetime 类型，所以让我们检查一下列的类型：

df.dtypes

OutputMonth            object
AirPassengers     int64
dtype: object

因为 Month 列不是 datetime 类型，我们需要转换它：

df['Month'] = pd.DatetimeIndex(df['Month'])
df.dtypes

OutputMonth            datetime64[ns]
AirPassengers             int64
dtype: object

我们现在看到我们的 Month 列是正确的 datetime 类型。

Prophet 还强加了输入列命名为 ds（时间列）和 y（度量列）的严格条件，所以让我们重命名 DataFrame 中的列：

df = df.rename(columns={'Month': 'ds',
                        'AirPassengers': 'y'})

df.head(5)

可视化我们将要使用的数据是一种很好的做法，所以让我们绘制我们的时间序列：

ax = df.set_index('ds').plot(figsize=(12, 8))
ax.set_ylabel('Monthly Number of Airline Passengers')
ax.set_xlabel('Date')

plt.show()

现在我们的数据准备好了，我们准备使用 Prophet 库来生成我们时间序列的预测。

第 3 步——使用 Prophet 进行时间序列预测

在本节中，我们将描述如何使用 Prophet 库来预测我们时间序列的未来值。 Prophet 的作者已经抽象出时间序列预测的许多固有复杂性，并使分析师和开发人员更直观地处理时间序列数据。

首先，我们必须实例化一个新的 Prophet 对象。 Prophet 使我们能够指定许多参数。例如，我们可以通过设置 interval_width 参数来指定我们的不确定区间的期望范围。

# set the uncertainty interval to 95% (the Prophet default is 80%)
my_model = Prophet(interval_width=0.95)

现在我们的 Prophet 模型已经初始化，我们可以调用它的 fit 方法，并将我们的 DataFrame 作为输入。模型拟合应该不超过几秒钟。

my_model.fit(df)

您应该会收到与此类似的输出：

Output<fbprophet.forecaster.Prophet at 0x110204080>

为了获得我们时间序列的预测，我们必须为 Prophet 提供一个新的 DataFrame，其中包含一个 ds 列，其中包含我们想要预测的日期。方便的是，我们不必担心手动创建这个 DataFrame，因为 Prophet 提供了 make_future_dataframe 辅助函数：

future_dates = my_model.make_future_dataframe(periods=36, freq='MS')
future_dates.tail()

在上面的代码块中，我们指示 Prophet 在未来生成 36 个日期戳。

在使用 Prophet 时，重要的是要考虑我们的时间序列的频率。因为我们处理的是月度数据，所以我们明确指定了所需的时间戳频率（在本例中，MS 是月份的开始）。因此，make_future_dataframe 为我们生成了 36 个每月的时间戳。换句话说，我们希望预测未来 3 年时间序列的未来值。

然后将未来日期的 DataFrame 用作我们拟合模型的 predict 方法的输入。

forecast = my_model.predict(future_dates)
forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail()

Prophet 返回一个包含许多有趣列的大型 DataFrame，但我们将输出子集为与预测最相关的列，它们是：

ds：预测值的时间戳
yhat：我们度量的预测值（在统计中，yhat 是传统上用来表示值 y 的预测值的符号）
yhat_lower：我们预测的下限
yhat_upper：我们预测的上限

由于 Prophet 依赖马尔可夫链蒙特卡洛 (MCMC) 方法来生成其预测，因此可以预期上述输出中的值会发生变化。 MCMC 是一个随机过程，因此每次的值都会略有不同。

Prophet 还提供了一个方便的功能来快速绘制我们的预测结果：

my_model.plot(forecast,
              uncertainty=True)

Prophet 绘制了我们时间序列的观测值（黑点）、预测值（蓝线）和我们预测的不确定区间（蓝色阴影区域）。

Prophet 的另一个特别强大的功能是它能够返回我们预测的组成部分。这可以帮助揭示时间序列的每日、每周和每年模式对整体预测值的贡献：

my_model.plot_components(forecast)

上图提供了有趣的见解。第一个图显示，航空公司乘客的每月数量随着时间的推移呈线性增长。第二个图突出了这样一个事实，即每周的乘客数量在周末和周六达到峰值，而第三个图显示，7 月和 8 月的假期期间客流量最多。

结论

在本教程中，我们描述了如何使用 Prophet 库在 Python 中执行时间序列预测。我们一直在使用开箱即用的参数，但 Prophet 使我们能够指定更多参数。特别是，Prophet 提供了将您自己关于时间序列的知识带到桌面上的功能。

以下是您可以尝试的其他一些操作：

通过包含您对假期月份的先验知识来评估假期的影响（例如，我们知道 12 月份是假期月份）。建模假期的官方文档会有所帮助。
更改不确定区间的范围，或进一步预测未来。

如需更多练习，您还可以尝试加载另一个时间序列数据集以生成您自己的预测。总体而言，Prophet 提供了许多引人注目的功能，包括根据用户需求定制预测模型的机会。