使用Prophet模型遇NaN值报错，但数据集无缺失的问题排查

问题根源 #

报错的核心原因不在原selection数据集，而是出在future数据框的处理上：

• make_future_dataframe(periods=2, freq='M')会生成比原selection多2行的时间序列（对应未来2个月份）
• 你直接把selection的回归器列赋值给future时，新增的2行没有对应数据，会自动填充为NaN，导致predict时触发Prophet的NaN检查报错
• 你检查selection['Peak_viewers']确实无NaN，但future里的回归器列存在NaN，这才是报错的真正原因

解决方案 #

根据需求选择以下两种处理方式：

方式一：仅对已有历史数据做预测（不新增未来周期）

如果不需要预测未来2个周期，去掉periods=2参数，让future和selection的时间范围完全一致：

model = Prophet()
model.add_regressor('Peak_viewers')
model.add_regressor('Streamers')
model.add_regressor('Avg_channels')

model.fit(selection)
# 生成与原数据时间范围匹配的future数据框
future = model.make_future_dataframe(freq='M')
future['Peak_viewers'] = selection['Peak_viewers']
future['Streamers'] = selection['Streamers']
future['Avg_channels'] = selection['Avg_channels']

forecast = model.predict(future)
fig = model.plot(forecast)

方式二：预测未来周期，提前填充回归器的未来值

如果需要预测未来2个周期，必须为新增的2行回归器列填充合理值（示例用历史均值，也可替换为单独训练模型预测的精准值）：

model = Prophet()
model.add_regressor('Peak_viewers')
model.add_regressor('Streamers')
model.add_regressor('Avg_channels')

model.fit(selection)
future = model.make_future_dataframe(periods=2, freq='M')

# 填充历史数据部分
future.loc[:len(selection)-1, 'Peak_viewers'] = selection['Peak_viewers'].values
future.loc[:len(selection)-1, 'Streamers'] = selection['Streamers'].values
future.loc[:len(selection)-1, 'Avg_channels'] = selection['Avg_channels'].values

# 为未来2行填充历史均值（可根据需求替换为更精准的预测逻辑）
future.loc[len(selection):, 'Peak_viewers'] = selection['Peak_viewers'].mean()
future.loc[len(selection):, 'Streamers'] = selection['Streamers'].mean()
future.loc[len(selection):, 'Avg_channels'] = selection['Avg_channels'].mean()

forecast = model.predict(future)
fig = model.plot(forecast)

验证方法 #

可以在赋值后检查future的NaN情况，确认问题：

print(future['Peak_viewers'].isnull().any())  # 会返回True，对应新增的2行

内容的提问来源于stack exchange，提问作者BlindSocket