prophet的安装是个艰难的过程，希望大家加油。
1.第一步导入工具包

2.选择一个表格数据，进行预测

显示前5行，然后因为Prophet 的输入量往往是一个包含两列的数据框：ds 和 y ，所以如果表格设计好了的话最好，没有的话，就将列名设置为ds y
代码：df.columns=[‘ds’,‘y’]
ds 列必须包含日期（YYYY-MM-DD）或者是具体的时间点（YYYY-MM-DD HH:MM:SS）。 y 列必须是数值变量，表示我们希望去预测的量。
代码设置成时间类型：
df[‘ds’]=pd.to_datetime(df[‘ds’])
我们导入数据，该数据已经做过了log处理（即，做过df[‘y’] = np.log(df[‘y’])操作）。
3. 通过对一个 Prophet 对象进行实例化来拟合模型，任何影响预测过程的设置都将在构造模型时被指定。接下来，就可以使用 fit 方法代入历史数据集来拟合模型

预测过程则需要建立在包含日期 ds 列的数据框基础上。通过使用辅助的方法 Prophet.make_future_dataframe 来将未来的日期扩展指定的天数，得到一个合规的数据框。默认情况下，这样做会自动包含历史数据的日期，因此我们也可以用来查看模型对于历史数据的拟合效果。

这里未来365天都是按天来的，如果想按月来的话，可以输入下面的代码
future = m.make_future_dataframe(periods=365,freq=‘m’)

predict 方法将会对每一行未来 future 日期得到一个预测值（称为 yhat ）。如果你传入了历史数据的日期，它将会提供样本的模型拟合值。预测 forecast 创建的对象应当是一个新的数据框，其中包含一列预测值 yhat ，以及成分的分析和置信区间。

显示图片