用fbprophet预测北京未来一个月的气温

  fbprophet是facebook开源的时序数据预测包,提供了简洁的python和R api,可以对时序数据做一些预测,也提供了有些简单的趋势分析。更多细节可以看下官方文档。官方doc中给了一个数据集作为prophet的入门,这里我也只是按照官方的入门文档编写了的代码,很简单,只是把数据集换成了北京这8年来的每日温度数据,温度数我从网上爬取的,爬虫源码和数据可以从我github上找到。

# -*- coding: utf-8 -*-
# 首先导入我们需要的包,fbprophet没多少包依赖,pandas是为了读入数据的,pyplot是用来绘图的,fbprophet也支持直接绘图
import pandas as pd
import matplotlib.pyplot as plt
from fbprophet import Prophet

  因为爬虫爬到的数据是无序的,所以要重新排序,其实不排序也没关系,并不影响prophet的预测。倒是异常点对预测影响挺多的,异常点太多或者值太大对结果的准确率影响也非常大,如果数据中有异常数据点,可以直接删除掉,prophet有对缺失数据补齐的能力。

data = pd.read_csv('bjweather.csv')
data = data.sort_values(by=['date'])
data = data.reset_index()
# 对数据做格式转化,prophet所需要的只有两列,分别是ds和y,这里我分别预测未来一个月的最小值和最大值。
dfmin = pd.DataFrame()
dfmin['ds'] = data['date']
dfmin['y'] = data['minT']
dfmax = pd.DataFrame()
dfmax['ds'] = data['date']
dfmax['y'] = data['maxT']
dfmax.head(10)
ds y
0 2011-01-01 0
1 2011-01-02 -2
2 2011-01-03 1
3 2011-01-04 -1
4 2011-01-05 -1
5 2011-01-06 0
6 2011-01-07 1
7 2011-01-08 1
8 2011-01-09 -1
9 2011-01-10 -1

  因为我需要分别预测未来一个月的最低温度和最高温度,所以需要分别训练两个模型,分别是minModel和maxModel。prophet的api也特别简单,只需要把历史数据传给fit函数即可。

minModel = Prophet()
minModel.fit(dfmin)
maxModel = Prophet()
maxModel.fit(dfmax)

  预测的时候需要传入需要预测的日期,以及预测所用的历史数据日期,prophet提供了一个make_future_dataframe的方法,可以生成所需要的日期数据。periods默认是天,也可以加freq=’H’,更改为其他时间粒度,我试了下,貌似最细时间粒度只能到小时。

futuremin = minModel.make_future_dataframe(periods=30)
futuremax = maxModel.make_future_dataframe(periods=30)
futuremin.tail()
ds
2948 2019-01-25
2949 2019-01-26
2950 2019-01-27
2951 2019-01-28
2952 2019-01-29

  用predict方法就可以做出预测了,预测结果里包含’ds’, ‘trend’, ‘yhat_lower’, ‘yhat_upper’, ‘trend_lower’, ‘trend_upper’,
‘additive_terms’, ‘additive_terms_lower’, ‘additive_terms_upper’,’weekly’, ‘weekly_lower’, ‘weekly_upper’, ‘yearly’, ‘yearly_lower’,’yearly_upper’, ‘multiplicative_terms’, ‘multiplicative_terms_lower’,’multiplicative_terms_upper’, ‘yhat’,这些数据,具体某个数据的含义大家可以参考下prophet的官方文档,我这里只简单提下部分数据。

fcmin = minModel.predict(futuremin)
fcmax = maxModel.predict(futuremax)
fcmin[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail()
# 这几个数据分别是预测日期,预测结果值,预测结果上下界。
ds yhat yhat_lower yhat_upper
2948 2019-01-25 -7.446095 -10.686345 -4.430015
2949 2019-01-26 -7.410766 -10.581734 -4.291753
2950 2019-01-27 -7.505449 -10.612294 -4.659177
2951 2019-01-28 -7.434773 -10.413356 -4.334310
2952 2019-01-29 -7.435442 -10.549608 -4.453615
fig0 = minModel.plot(fcmin)

在这里插入图片描述

  除了预测结果和预测的上下界之外,prophet也可以提供一些趋势分析,包括年度趋势,月度趋势,和周趋势。从下面几张图里可以看出,北京在进8年里7-8月最热,1月最冷,大家肯定都知道。但8年里13年最冷,17年最暖和,周三平均温度最高,周一温差最大,周二最冷,这些估计没多少人知道了吧。

fig3 = minModel.plot_components(fcmin)

在这里插入图片描述

fig1 = maxModel.plot(fcmax)

在这里插入图片描述

fig2 = maxModel.plot_components(fcmin)

在这里插入图片描述

plt.plot(fcmin['ds'].tail(30), fcmin['yhat'].tail(30))
plt.plot(fcmax['ds'].tail(30), fcmax['yhat'].tail(30))

在这里插入图片描述
  最后我把预测出的1月份最高温和最低温放在一个图里展示出来,大家看看就好,不必当真。

打赏

Leave a Reply

Your email address will not be published.

This site uses Akismet to reduce spam. Learn how your comment data is processed.