Python 使用” 先知” 預測公眾號未來的粉絲量

pythondict發表於2020-05-16
Python

最近公眾號的粉絲量一直都處於上漲狀態，可喜可賀，當然，作為一個上進的(摸魚)公眾號博主，當然要追求更遠大的目標。我希望知道一個月後公眾號的粉絲量會達到什麼程度，並以此加強公眾號的宣傳方式。

正好，Facebook開源了一個名為“先知”(prophet)的模型，其能基於加法模型預測時間序列資料，它的非線性趨勢與年、周、日的季節性以及假日效應相吻合。而且對丟失的資料和趨勢的變化很健壯，通常能很好地處理異常值。

我們將根據 Python 實用寶典 最近60天的關注量變化趨勢用來預測未來30天的關注量大小。

Python預測公眾號資料

1. 安裝fbprophet

現在，就讓我們來試一下吧！首先是安裝fbprophet, 這裡的前提是大家都安裝好了Python, 如果沒有的話推薦看：python超詳細安裝指南，如果你按照官方的教程來進行安裝, 你會發現TM啥也安裝不上

第一步，我們需要安裝fbprophet的依賴PyStan:

pip install pystan

第二步，使用conda命令安裝(需要安裝anaconda, 搜anaconda官網安裝即可)：

conda install -c conda-forge fbprophet
pip install fbprophet

2.匯出公眾號資料

這時候就要用F12大法了，在當前使用者分析頁空白處右鍵—檢查，或者直接按F12開啟開發者工具。

Python預測資料

然後選擇最近兩個月的資料，找到useranalysis的資料包，點開來就會找到我們需要的資料，把這一片json資料儲存下來存為data.json檔案即可，如下圖所示。

Python預測資料

3.處理資料

載入json資料：

import json
f = open('./data.json', 'r', encoding='utf-8')
json_data = json.load(f)
f.close()
print(json_data)

現在需要將日期和其對應的總粉絲數提取出來為一個pandas的dataframe. 如果你還沒有安裝 pandas，請在cmd/Terminal輸入 

pip install pandas

即可安裝成功。

import pandas as pd
# 將日期和其對應的總粉絲數提取出來為一個pandas的dataframe
list_number = json_data['category_list'][0]['list']
df = pd.DataFrame(list_number)
print(df)

效果：

看得出來dataframe有點像字典和列表的集合，接下來就要開始進行預測了！

4.預測未來30天的資料

接下來需要生成prophet物件，呼叫預測函式，預測未來30天的資料變化:

from fbprophet import Prophet
# prophet內部需要將日期列設為ds，預測的值設為y
df.rename(columns={'date':'ds', 'cumulate_user':'y'}, inplace=True)
print(df)
# 呼叫"先知"生成物件
m = Prophet()
# 使用"先知物件"進行預測
m.fit(df)
# 獲得未來30天的資料
future = m.make_future_dataframe(periods=30)
forecast = m.predict(future)
print(forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail())

效果如下：

讓我們來看看效果，表格中的yhat指的是預測的平均值，yhat_lower是預測的最小值，yhat_upper是預測的最大值。根據“先知”的預測，在未來30天內我們的粉絲量將會增加到529名粉絲，也就是說將增加16%。這個預測的值其實相對客觀，我們一個月後就可以看看效果如何了。

關注下方的公眾號，回覆 “ 粉絲預測“即可獲得全部原始碼及資料。

我們的文章到此就結束啦，如果你希望我們今天的Python 教程，請持續關注我們，如果對你有幫助，麻煩在下面點一個贊/在看哦有任何問題都可以在下方留言區留言，我們都會耐心解答的！

​Python實用寶典 (pythondict.com)

不只是一個寶典

歡迎關注公眾號：Python實用寶典

原文來自Python實用寶典：Python 先知模型

Python實用寶典

本作品採用《CC 協議》，轉載必須註明作者和本文連結

Python實用寶典, pythondict.com

相關文章