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)

　　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()

　　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。

fig0 = minModel.plot(fcmin)

　　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)

fig1 = maxModel.plot(fcmax)

fig2 = maxModel.plot_components(fcmin)

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

　　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。