趋势预测prophet

### 使用Prophet库进行时间序列趋势预测

#### 安装与导入必要的库
为了使用Prophet库进行时间序列分析，首先需要确保已安装`pandas`和`fbprophet`包。可以通过pip命令轻松完成安装。

pip install pandas fbprophet

接着，在Python脚本中引入所需的模块：

import pandas as pd
from fbprophet import Prophet

#### 准备数据集
Prophet接受特定格式的数据框作为输入参数，其中日期列名为'ds'，数值目标列为'y'。这里展示了一个简单的例子来创建这样的DataFrame结构[^2]。

data = {
    'ds': ['2023-01-01', '2023-01-02'],
    'y': [12, 15]
}
df = pd.DataFrame(data)
print(df)

#### 创建并训练模型
初始化一个新的Prophet对象实例，并调用fit方法传入准备好的DataFrame以适应给定的历史记录。此过程会自动检测并调整内部参数以便更好地匹配所提供的样本特征[^4]。

model = Prophet()
model.fit(df)

#### 预测未来值
通过make_future_dataframe函数指定想要向前看多少天（periods），还可以设置频率(freq)，比如按日('D')或月('M')等单位计算。之后再次运用predict方法获取完整的预测结果表单[^5]。

future_dates = model.make_future_dataframe(periods=7, freq='D')
forecast = model.predict(future_dates)

# 打印前几行查看部分预测结果
print(forecast[['ds', 'yhat']].head())

#### 可视化预测成果
最后一步是绘制图形直观理解预测效果。除了显示原始观测点外，还会呈现估计出来的长期走势线及其置信区间边界；另外也支持单独展现不同周期成分的影响程度图示[^1]。

fig1 = model.plot(forecast)
fig2 = model.plot_components(forecast)