Django Prophet: 從入門到高級，打造時間序列分析應用程式-Python教學-PHP中文網

Django Prophet: 从入门到高级，打造时间序列分析应用程序

Django Prophet: 從入門到高級，打造時間序列分析應用程序，需要具體程式碼範例

時間序列分析是一種重要的統計分析方法，用於研究時間序列資料的變化趨勢、週期性、季節性和異常值等。隨著資料科學和機器學習的發展，時間序列分析在預測、研究市場趨勢和經濟指標等領域中愈發重要。

Django Prophet是一個基於Python的時間序列分析工具，它結合了統計學方法和機器學習技術，提供了簡單易用且高度可自訂的時間序列預測功能。本文將介紹如何使用Django Prophet建立時間序列分析應用程序，並提供具體的程式碼範例。

安裝Django Prophet

首先，我們需要安裝Django Prophet。開啟終端機或命令提示符，執行以下命令：

pip install django-prophet

登入後複製

#建立Django專案

接下來，我們需要建立一個Django專案。在命令列中執行以下命令：

django-admin startproject timeseries_app cd timeseries_app

登入後複製

建立Django應用程式

在timeseries_app目錄下執行以下命令，建立一個名為timeseries的Django應用程式：

python manage.py startapp timeseries

登入後複製

然後在settings.py檔案中的INSTALLED_APPS清單中新增'timeseries'，如下所示：

INSTALLED_APPS = [ ... 'timeseries', ... ]

登入後複製

建立時間序列模型

#在timeseries目錄下建立一個models.py文件，定義一個名為TimeSeries的模型類，如下所示：

from django.db import models class TimeSeries(models.Model): timestamp = models.DateTimeField() value = models.FloatField() def __str__(self): return self.timestamp.strftime('%Y-%m-%d %H:%M:%S')

登入後複製

此模型類包含了兩個欄位：timestamp和value，分別表示時間戳記和對應的值。

資料準備

在Django專案中，我們通常使用Django管理後台來管理資料。在timeseries目錄下的admin.py檔案中編寫以下程式碼，以便能夠在管理後台中新增並管理TimeSeries模型的資料：

from django.contrib import admin from timeseries.models import TimeSeries admin.site.register(TimeSeries)

登入後複製

資料上傳

啟動Django開發伺服器並登入管理後台，上傳時間序列資料。在瀏覽器中輸入以下URL：

http://localhost:8000/admin

登入後複製

然後使用管理員帳號登入後，點擊"Time series"鏈接，在頁面右上方點擊"ADD"按鈕，新增一個時間序列物件。

時間序列分析

接下來，我們將在視圖函數中編寫程式碼，並對上傳的時間序列資料進行分析和預測。打開timeseries/views.py文件，並添加以下程式碼：

from django.shortcuts import render from timeseries.models import TimeSeries def analyze_time_series(request): time_series = TimeSeries.objects.all() # 将时间序列数据整理为Prophet所需的格式 data = [] for ts in time_series: data.append({'ds': ts.timestamp, 'y': ts.value}) # 使用Django Prophet进行时间序列分析和预测 from prophet import Prophet model = Prophet() model.fit(data) future = model.make_future_dataframe(periods=365) forecast = model.predict(future) # 将分析结果传递到模板中进行展示 context = { 'time_series': time_series, 'forecast': forecast, } return render(request, 'analyze_time_series.html', context)

登入後複製

在上述程式碼中，我們首先從資料庫中獲取所有的時間序列數據，並將其整理為Django Prophet所需的格式。然後建立一個Prophet實例，對資料進行擬合和預測。最後，將分析結果傳遞給模板。

模板設計

建立一個名為analyze_time_series.html的模板文件，用於展示時間序列的分析結果。編寫以下HTML程式碼：

   Analyze Time Series 
  Time Series Data
  {% for ts in time_series %} {{ ts }}
 {% empty %} No time series data available.
 {% endfor %} 
 Forecast
  {% for row in forecast.iterrows %}  {% endfor %}   Timestamp  Predicted Value  Lower Bound  Upper Bound  
 {{ row.ds }}  {{ row.yhat }}  {{ row.yhat_lower }}  {{ row.yhat_upper }}

Timestamp	Predicted Value	Lower Bound	Upper Bound
{{ row.ds }}	{{ row.yhat }}	{{ row.yhat_lower }}	{{ row.yhat_upper }}

登入後複製

在上述模板中，我們使用Django提供的模板引擎，展示時間序列資料和預測結果。

URL設定

最後一步是設定URL路由，使得我們能夠透過瀏覽器存取分析頁面。在timeseries_app目錄下的urls.py檔案中加入以下程式碼：

from django.contrib import admin from django.urls import path from timeseries.views import analyze_time_series urlpatterns = [ path('admin/', admin.site.urls), path('analyze/', analyze_time_series), ]

登入後複製