python 时间序列预测 —— prophet

prophet 安装

prophet 是facebook 开源的一款时间序列预测工具包，直接用 conda 安装 fbprophet 即可

prophet 的官网：https://facebook.github.io/prophet/

prophet 中文意思是“先知”

prophet 的输入一般具有两列：ds和y

ds(datestamp) 列应为 Pandas 可以识别的日期格式，日期应为YYYY-MM-DD，时间戳则应为YYYY-MM-DD HH:MM:SS

y列必须是数值

数据集下载

Metro Interstate Traffic Volume Data Set

prophet 实战

导入包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as snsfrom sklearn.metrics import mean_squared_error, mean_absolute_error%matplotlib inline
plt.rcParams['font.sans-serif'] = 'SimHei'  #显示中文
plt.rcParams['axes.unicode_minus'] = False  #显示负号
plt.rcParams['figure.dpi'] = 200
plt.rcParams['text.color'] = 'black'
plt.rcParams['font.size'] = 20
plt.style.use('ggplot')
print(plt.style.available)
# ['bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 'tableau-colorblind10', '_classic_test']

pandas 读取 csv 数据

csv_files = 'Metro_Interstate_Traffic_Volume.csv'
df = pd.read_csv(csv_files)
df.set_index('date_time',inplace=True)
df.index = pd.to_datetime(df.index)
df.head()

略扫一眼表格内容，主要有假期、气温、降雨、降雪、天气类型等因素，因变量是交通流量traffic_volume

df.info()
'''
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 48204 entries, 2012-10-02 09:00:00 to 2018-09-30 23:00:00
Data columns (total 8 columns):
holiday                48204 non-null object
temp                   48204 non-null float64
rain_1h                48204 non-null float64
snow_1h                48204 non-null float64
clouds_all             48204 non-null int64
weather_main           48204 non-null object
weather_description    48204 non-null object
traffic_volume         48204 non-null int64
dtypes: float64(3), int64(2), object(3)
memory usage: 3.3+ MB
'''df.describe()

画个图

原来少了一点数据，不过影响不大

traffic = df[['traffic_volume']]
traffic[:].plot(style='--', figsize=(15,5), title='traffic_volume')
plt.show()

拆分数据集

知识点：pandas 中筛选日期

traffic_train = traffic.loc[(traffic.index >='2017-01') & (traffic.index <= '2018-03')].copy()
traffic_test = traffic.loc[traffic.index > '2018-03'].copy()
_ = traffic_test.rename(columns={'traffic_volume': 'TEST SET'})\.join(traffic_train.rename(columns={'traffic_volume': 'TRAINING SET'}),how='outer') \.plot(figsize=(20,5), title='traffic_volume', style='.')

因为是逐小时统计的数据，只选两年的量就已经够多了

从日期中拆分特征

虽然 prophet 不需要我们手工提取特征，但我们还是可以自己试试

def create_features(df, label=None):"""Creates time series features from datetime index."""df = df.copy()df['date'] = df.indexdf['hour'] = df['date'].dt.hourdf['dayofweek'] = df['date'].dt.dayofweekdf['quarter'] = df['date'].dt.quarterdf['month'] = df['date'].dt.monthdf['year'] = df['date'].dt.yeardf['dayofyear'] = df['date'].dt.dayofyeardf['dayofmonth'] = df['date'].dt.daydf['weekofyear'] = df['date'].dt.weekofyearX = df[['hour','dayofweek','quarter','month','year','dayofyear','dayofmonth','weekofyear']]if label:y = df[label]return X, yreturn XX, y = create_features(traffic, label='traffic_volume')
features_and_target = pd.concat([X, y], axis=1)
features_and_target.head()

自己体会一下不同特征对预测变量的影响

sns.pairplot(features_and_target.dropna(),hue='hour',x_vars=['hour','dayofweek','dayofmonth','month'],y_vars='traffic_volume',height=5,plot_kws={'alpha':0.15, 'linewidth':0})
plt.suptitle('Traffic Volume by Hour, Day of Week, Day of Month and Month')
plt.show()

上面的 pairplot 可以得出什么信息呢？

首先颜色是按照小时取，所以每种颜色代表一个时辰

后三幅图的竖条上的颜色分布代表不同时间段的流量分布

有意义的信息主要来自散点的分布范围，可以看出：

1. 每日的车流量呈现 M 型，意味着上下班高峰
2. 一周中周末车要少些
3. 一个月中有几天的下限要低于其它日子，这应该是周末
4. 一年中有7月和9月的下限要低于其它月份，这应该和天气或者节假日有什么关联

使用 prophet 训练和预测

from fbprophet import Prophet# Setup and train model and fit
model = Prophet()model.fit(traffic_train.reset_index().rename(columns={'date_time':'ds','traffic_volume':'y'}))traffic_test_pred = model.predict(df=traffic_test.reset_index() \.rename(columns={'date_time':'ds'}))

画出预测结果

f, ax = plt.subplots(1)
f.set_figheight(5)
f.set_figwidth(15)
ax.scatter(traffic_test.index, traffic_test['traffic_volume'], color='r')
fig = model.plot(traffic_test_pred, ax=ax)

造成这种现象是因为：

1. 训练数据太多，使得模型没有把握最近趋势
2. 预测范围太大，误差随时间放大

感兴趣的朋友可以自己玩玩

prophet 学到了什么

从下图可以看出：

1. 总体趋势：下行
2. 每周趋势：工作日流量大、周末流量低
3. 每日趋势：早晚上下班高峰，所以每天流量基本呈现 M 型曲线

fig = model.plot_components(traffic_test_pred)

放大图

看看模型对测试集中第一个月的预测情况：

# Plot the forecast with the actuals
f, ax = plt.subplots(1)
f.set_figheight(5)
f.set_figwidth(15)
plt.plot(traffic_test.index, traffic_test['traffic_volume'], color='r')
fig = model.plot(traffic_test_pred, ax=ax)
ax.set_xbound(lower='03-01-2018',upper='04-01-2018')
ax.set_ylim(-1000, 8000)
plot = plt.suptitle('Forecast vs Actuals')

是不是有模有样的 😉