最近公众号的粉丝量一直都处于上涨状态，可喜可贺
(摸鱼)公众号博主，当然要追求更远大的目标。我希望知道一个月后公众号的粉丝量会达到什么程度，并以此加强公众号的宣传方式。
正好，Facebook开源了一个名为“先知”(prophet)的模型，其能基于加法模型预测时间序列数据，它的非线性趋势与年、周、日的季节性以及假日效应相吻合。而且对丢失的数据和趋势的变化很健壮，通常能很好地处理异常值。
我们将根据 Python 实用宝典 最近60天的关注量变化趋势用来预测未来30天的关注量大小。
1. 安装fbprophet
现在，就让我们来试一下吧！首先是安装fbprophet, 这里的前提是大家都安装好了Python, 如果没有的话推荐看：python超详细安装指南，如果你按照官方的教程来进行安装, 你会发现TM啥也安装不上
第一步，我们需要安装fbprophet的依赖PyStan:
pip install pystan
第二步，使用conda命令安装(需要安装anaconda, 搜anaconda官网安装即可)：
conda install -c conda-forge fbprophet pip install fbprophet
2.导出公众号数据
这时候就要用F12大法了，在当前用户分析页空白处右键—检查，或者直接按F12打开开发者工具。
然后选择最近两个月的数据，找到useranalysis的数据包，点开来就会找到我们需要的数据，把这一片json数据保存下来存为data.json文件即可，如下图所示。
3.处理数据
加载json数据：
import json
f = open('./data.json', 'r', encoding='utf-8')
json_data = json.load(f)
f.close()
print(json_data)现在需要将日期和其对应的总粉丝数提取出来为一个pandas的dataframe. 如果你还没有安装 pandas，请在cmd/Terminal输入 pip install pandas 即可安装成功。
import pandas as pd # 将日期和其对应的总粉丝数提取出来为一个pandas的dataframe list_number = json_data['category_list'][0]['list'] df = pd.DataFrame(list_number) print(df)
效果：
看得出来dataframe有点像字典和列表的集合，接下来就要开始进行预测了！
4.预测未来30天的数据
接下来需要生成prophet对象，调用预测函数，预测未来30天的数据变化:
from fbprophet import Prophet
# prophet内部需要将日期列设为ds，预测的值设为y
df.rename(columns={'date':'ds', 'cumulate_user':'y'}, inplace=True)
print(df)
# 调用"先知"生成对象
m = Prophet()
# 使用"先知对象"进行预测
m.fit(df)
# 获得未来30天的数据
future = m.make_future_dataframe(periods=30)
forecast = m.predict(future)
print(forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail()) 效果如下：
让我们来看看效果，表格中的yhat指的是预测的平均值，yhat_lower是预测的最小值，yhat_upper是预测的最大值。根据“先知”的预测，在未来30天内我们的粉丝量将会增加到529名粉丝，也就是说将增加16%。这个预测的值其实相对客观，我们一个月后就可以看看效果如何了。
关注下方的公众号，回复 ” 粉丝预测“即可获得全部源代码及数据。
我们的文章到此就结束啦，如果你希望我们今天的Python 教程，请持续关注我们，如果对你有帮助，麻烦在下面点一个赞/在看哦
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
