Comment démarrer rapidement avec le framework d'analyse de séries temporelles Django Prophet ?

Comment démarrer rapidement avec le framework d'analyse de séries temporelles Django Prophet ?

Introduction : 
L'analyse des séries chronologiques est une méthode importante pour la prédiction, l'analyse et la construction de modèles de données de séries chronologiques. En Python, Django Prophet est un framework d'analyse de séries chronologiques populaire basé sur la bibliothèque Prophet de Facebook et peut être intégré de manière transparente au framework Django. Cet article explique comment démarrer rapidement avec Django Prophet pour l'analyse de séries chronologiques dans un projet Django et fournit des exemples de code spécifiques.

1. Installez Django Prophet
Tout d'abord, vous devez installer Django Prophet dans le projet. Vous pouvez utiliser la commande suivante pour installer :

pip install django-prophet

2. Créez un modèle de série temporelle Django

1. Créez une application nommée "timeseries" dans le projet Django :

python manage.py startapp timeseries

2. Créez un modèle de série chronologique dans le fichier modèle models.py, par exemple :

from django.db import models

class TimeSeries(models.Model):

date = models.DateField()
value = models.FloatField()

Importez des données
Au moment de. création Dans le modèle de séquence, nous devons importer des données de séries chronologiques.

1. Créez une fonction d'importation de données et appelez cette fonction d'importation dans la fonction d'affichage. Par exemple, dans le fichier views.py :

from django.shortcuts import render
from .models import TimeSeries

def import_data(request):

# 调用时间序列数据导入函数
data = load_data()

# 将数据保存到数据库中
for entry in data:
    TimeSeries.objects.create(date=entry['date'], value=entry['value'])

return render(request, 'import_success.html')

2. Créez une fonction d'importation de données load_data(), qui est utilisée pour importer des données de l'extérieur Charger des données de séries chronologiques à partir d'un fichier et renvoyer une liste de données. L'exemple de code est le suivant :

import csv

def load_data():

data = []
with open('data.csv', 'r') as file:
    reader = csv.DictReader(file)
    for row in reader:
        entry = {'date': row['date'], 'value': float(row['value'])}
        data.append(entry)
return data

4. Analyse et prédiction des séries chronologiques

1. Créez une fonction d'analyse des séries chronologiques analyse() pour analyser et prédire les données des séries chronologiques. L'exemple de code est le suivant :

from Prophet import Prophet

def analyse():

# 从数据库中获取时间序列数据
data = TimeSeries.objects.all().values('date', 'value')

# 创建一个Prophet对象
prophet = Prophet()

# 为Prophet对象传入时间序列数据
prophet.fit(data)

# 创建一个日期范围以进行预测
future = prophet.make_future_dataframe(periods=365)

# 进行预测
forecast = prophet.predict(future)

return forecast

2. Appelez la fonction d'analyse de séries chronologiques dans la fonction d'affichage. L'exemple de code est le suivant :

from .models import TimeSeries

def Analysis(request):

# 调用时间序列分析函数
forecast = analyze()

# 将分析结果传递给模板
return render(request, 'analysis_result.html', {'forecast': forecast})

5. Afficher les résultats de l'analyse

1. Créez un fichier modèle Analysis_result.html pour afficher les résultats de l'analyse des séries chronologiques. . L'exemple de code est le suivant :

{% pour l'entrée dans les prévisions %}

<p>{{ entry.date }}</p>
<p>{{ entry.yhat }}</p>

{% endfor %}

2. Créez une fonction d'affichage pour restituer le modèle de résultat d'analyse et transmettre le résultat d'analyse au modèle. L'exemple de code est le suivant :

from .models import TimeSeries

def Analysis(request):

# 调用时间序列分析函数
forecast = analyze()

# 将分析结果传递给模板
return render(request, 'analysis_result.html', {'forecast': forecast})

6. Exécutez le projet Django
Entrez le répertoire où se trouve le projet Django sur la ligne de commande et exécutez le commande suivante pour démarrer le serveur de développement Django :

python manage.py runserver

7. Notes sur l'utilisation de Django Prophet pour l'analyse des séries chronologiques

1. En utilisation réelle, vous devez ajouter plus de champs au modèle TimeSeries en fonction du vôtre. besoins commerciaux, tels que la saisonnalité, les vacances et d'autres domaines.
2. Il est nécessaire d'ajuster les paramètres de la fonction analyse() en fonction des données réelles de la série chronologique, comme l'ajout d'un modèle saisonnier, etc.
3. La manière d'importer les données doit être ajustée en fonction des besoins réels. Les données peuvent être importées depuis la base de données ou par d'autres méthodes.

Conclusion : 
Grâce aux étapes ci-dessus, nous pouvons rapidement intégrer le framework Django Prophet dans le projet Django et effectuer une analyse et une prédiction de séries chronologiques. Bien entendu, l’utilisation spécifique et l’ajustement des paramètres nécessitent une étude et une pratique plus approfondies en fonction des besoins réels. J'espère que cet article pourra vous aider à démarrer rapidement avec le framework d'analyse de séries chronologiques Django Prophet.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!