以下代码在jupyter下分析，流程

import pandas as pd
from prophet import Prophet

使用pandas读取数据
df = pd.read_csv(‘./examples/example_wp_log_peyton_manning.csv’)

创建Prophet() 对象
m = Prophet()

初始化数据，fit方法通过给的数据建立模型

m.fit(df)

指定预测范围
future = m.make_future_dataframe(periods=365)

执行预测
forecast = m.predict(future)

显示对原始数据的预测结果
fig1 = m.plot(forecast)

因为x坐标即ds列是datetime格式的，所以这个函数根据时间划分呈

趋势，假期，周，季节时间段进行分析

fig2 = m.plot_components(forecast)

展示数据

查看所有列数据
jupyter 中
预测
forecast = Prophet对象.fit(df).predict(future)
展示
fig = Prophet对象.plot_components(forecast)

查看一年四季的数据变化
from prophet.plot import plot_yearly
m = Prophet().fit(df)
a = plot_yearly(m)

def plot_yearly(m, ax=None, uncertainty=True,
yearly_start=0, figsize=(10, 6), name=‘yearly’):

绘制预测的年度组成部分。

 参数----------m：先知模型。ax：要绘制的可选 matplotlib 轴。 一个将被创建，如果这不提供。不确定性：可选布尔值来绘制不确定性区间，这将仅在 m.uncertainty_samples > 0 时执行。yearly_start: 可选 int 指定每年的开始日期季节性图。 0（默认）从 1 月 1 日开始这一年。1 次轮班从 1 天到 1 月 2 日，依此类推。figsize: 可选的元组宽度，以英寸为单位的高度。name：季节性组件的名称（如果之前从默认的“每年”更改）。-------

简单查看数据，显示不确定区间
df = pd.read_csv(‘…/examples/example_wp_log_R_outliers1.csv’)
m = Prophet()
m.fit(df)
future = m.make_future_dataframe(periods=1096)
forecast = m.predict(future)
fig = m.plot(forecast)