时间序列模型fbprophet使用最基础使用,对未来趋势预测分析

最新推荐文章于 2025-07-06 14:03:25 发布

wto882dim

最新推荐文章于 2025-07-06 14:03:25 发布

阅读量922

点赞数

CC 4.0 BY-SA版权

分类专栏： Python Linux ubuntu 文章标签：时间序列模型 fbprophet 趋势预测 python

本文链接：https://blog.youkuaiyun.com/wto882dim/article/details/124273247

ubuntu 同时被 3 个专栏收录

125 篇文章

订阅专栏

Python

114 篇文章

订阅专栏

Linux

80 篇文章

订阅专栏

本文档展示了如何在Ubuntu环境中使用Python的fbprophet库进行时间序列预测。首先介绍了创建虚拟环境并安装fbprophet可能遇到的问题，然后通过加载CSV数据，预处理数据，定义日期和目标变量，拟合模型，生成未来日期数据框，并进行预测。最后，展示了预测结果的图表，包括整体预测和分解的季节性、趋势组件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

安装fbprophet 只介绍ubuntu安装

最好使用虚拟环境安装

pip install fbprophet 注: 这里会面对很多坑,每台电脑的坑都不一样,看报错和百度解决

直接上代码!!!!!!!!!!!!!

from fbprophet import Prophet
import matplotlib.pyplot as plt
import pandas as pd

# 处理数据,排序等等
df= pd.read_csv("601058.csv",parse_dates=['trade_date'])[['trade_date','open','high','low','close']].sort_index()

# 数据处理
df[['ds', 'y']] = df[['trade_date','close']]
df.reset_index()   # 可能是可有可无

# 拟合模型
model = Prophet()
model.fit(df)

# 构建待预测日期数据框，periods = 365 代表除历史数据的日期外再往后推 365 天

future = model.make_future_dataframe(periods=365)

# 预测数据集
forecast = model.predict(future)
# forecast 成为一个新的DateFarme

forecast.columns
forecast

future.tail()  # 最后一列

# 展示预测结果
fig1 = model.plot(forecast)

# 预测的成分分析绘图，展示预测中的趋势、周效应和年度效应
fig2 = model.plot_components(forecast)

我的图: