web-dev-qa-db-ja.com

Pythonで複数のグループを含む時系列分析をfbProphetまたは他のモデルを使用して実行する方法は？

すべて、

データセットは次のようになります。 fbProphetまたは他のモデルを使用して、今後6か月の「金額」を予測しようとしています。しかし、私の問題は、次の6か月間の各グループ、つまりA、B、C、Dに基づいて金額を予測したいということです。 pythonまたは他のモデルを使用してfbProphetでそれを行う方法がわかりませんか？私は fbprophetの公式ページ を参照しましたが、私が見つけた唯一の情報は、 "Prophet"は2つの列のみを取ることです。1つは "Date"で、他は "amount"です。

私はpythonを初めて使用するので、コードの説明に関するヘルプは大歓迎です！

import pandas as pd
data = {'Date':['2017-01-01', '2017-02-01', '2017-03-01', '2017-04-01','2017-05-01','2017-06-01','2017-07-01'],'Group':['A','B','C','D','C','A','B'],
       'Amount':['12.1','13','15','10','12','9.0','5.6']}
df = pd.DataFrame(data)
print (df)

出力：

         Date Group Amount
0  2017-01-01     A   12.1
1  2017-02-01     B     13
2  2017-03-01     C     15
3  2017-04-01     D     10
4  2017-05-01     C     12
5  2017-06-01     A    9.0
6  2017-07-01     B    5.6
pythonpandastime-seriesfacebook-prophet
10
Data_is_Power

fbprophetには2つの列dsとyが必要なので、最初に2つの列の名前を変更する必要があります

_df = df.rename(columns={'Date': 'ds', 'Amount':'y'})
_

グループが互いに独立していて、グループごとに1つの予測を取得したい場合、データフレームを「グループ」列でグループ化し、グループごとに予測を実行できます。

_from fbprophet import Prophet
grouped = df.groupby('Group')
for g in grouped.groups:
    group = grouped.get_group(g)
    m = Prophet()
    m.fit(group)
    future = m.make_future_dataframe(periods=365)
    forecast = m.predict(future)
    print(forecast.tail())
_

グループDには単一のデータポイントしかないため、質問で指定した入力データフレームはモデルにとって十分ではないことに注意してください。 fbprophetの予測には、Nan以外の行が少なくとも2行必要です。

編集：すべての予測を1つのデータフレームにマージする場合は、観測ごとにyhatに異なる名前を付け、ループでpd.merge()を実行してから、列をチェリーピッキングすることをお勧めしますあなたは最後に必要です：

_final = pd.DataFrame()
for g in grouped.groups:
    group = grouped.get_group(g)
    m = Prophet()
    m.fit(group)
    future = m.make_future_dataframe(periods=365)
    forecast = m.predict(future)    
    forecast = forecast.rename(columns={'yhat': 'yhat_'+g})
    final = pd.merge(final, forecast.set_index('ds'), how='outer', left_index=True, right_index=True)

final = final[['yhat_' + g for g in grouped.groups.keys()]]
_
13
Aditya Santoso
import pandas as pd
import numpy as np
from statsmodels.tsa.statespace.sarimax import SARIMAX
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.tsa.stattools import adfuller
from matplotlib import pyplot as plt
from sklearn.metrics import mean_squared_error
from sklearn.metrics import mean_squared_log_error  



# Before doing any modeling using ARIMA or SARIMAS etc Confirm that
# your time-series is stationary by using Augmented Dick Fuller test
# or other tests.

# Create a list of all groups or get from Data using np.unique or other methods
groups_iter = ['A', 'B', 'C', 'D']

dict_org = {}
dict_pred = {}
group_accuracy = {}

# Iterate over all groups and get data 
# from Dataframe by filtering for specific group
for i in range(len(groups_iter)):
    X = data[data['Group'] == groups_iter[i]]['Amount'].values
    size = int(len(X) * 0.70)
    train, test = X[0:size], X[size:len(X)]
    history = [x for in train]

    # Using ARIMA model here you can also do grid search for best parameters
    for t in range(len(test)):
        model = ARIMA(history, order = (5, 1, 0))
        model_fit = model.fit(disp = 0)
        output = model_fit.forecast()
        yhat = output[0]
        predictions.append(yhat)
        obs = test[t]
        history.append(obs)
        print("Predicted:%f, expected:%f" %(yhat, obs))
    error = mean_squared_log_error(test, predictions)
    dict_org.update({groups_iter[i]: test})
    dict_pred.update({group_iter[i]: test})

    print("Group: ", group_iter[i], "Test MSE:%f"% error)
    group_accuracy.update({group_iter[i]: error})
    plt.plot(test)
    plt.plot(predictions, color = 'red')
    plt.show()
2
user3432888