使用Facebook Prophet时如何加入Continent变量进行异常检测

核心思路是拆分数据集为「每个Value列 + 每个大洲」的组合，分别建模预测，全程保留大洲标识，最终将同Value的所有大洲结果整合输出，以下是修改后的完整代码：

1. 读取数据与预处理（重构数据拆分逻辑） #

import pandas as pd
from prophet import Prophet

# 读取原始数据
df_question = pd.read_excel("question.xlsx", sheet_name="Sheet2", engine='openpyxl')

# 预处理：清理数值格式（去掉百分号、替换逗号为小数点）
for col in df_question.columns[2:]:
    # 处理带百分号的列
    if df_question[col].astype(str).str.contains('%').any():
        df_question[col] = df_question[col].astype(str).str.replace('%', '').str.replace(',', '.').astype(float)
    else:
        df_question[col] = df_question[col].astype(str).str.replace(',', '.').astype(float)

# 重构数据集：按「Value列 + 大洲」拆分
datas = []
names_with_continent = []  # 存储"Value_大洲"的标识，用于后续区分
for col in df_question.columns[2:]:
    value_name = col
    # 按大洲分组，每个大洲生成一个数据集
    for continent, group in df_question.groupby('Continent'):
        subset = group[['Continent', 'Date', col]].copy()
        # 重命名列适配Prophet格式
        subset.columns = ["Site", "ds", "y"]
        datas.append(subset)
        names_with_continent.append(f"{value_name}_{continent}")

2. 建模函数修改（保留大洲信息） #

# 设置显示选项
pd.set_option("display.max_columns", None)
pd.set_option("display.max_rows", None)
pd.set_option("display.float_format", lambda x: "%.3f" % x)
pd.set_option("display.expand_frame_repr", False)
pd.set_option("display.width", 500)

def fit_predict_model(dataframe):
    # 初始化Prophet模型
    m = Prophet(yearly_seasonality=True, daily_seasonality=True)
    m.add_country_holidays(country_name="TR")
    
    # 拟合当前大洲的模型
    m = m.fit(dataframe[['ds', 'y']])
    
    # 生成预测结果并加入实际值、大洲标识
    forecast = m.predict(dataframe[['ds', 'y']])
    forecast["fact"] = dataframe["y"].reset_index(drop=True)
    forecast["Site"] = dataframe["Site"].iloc[0]  # 每个数据集对应单个大洲，直接取第一个值
    return forecast

# 批量生成所有「Value+大洲」的预测结果
preds = []
for data in datas:
    preds.append(fit_predict_model(data))

3. 可视化（区分大洲与Value） #

pd.options.plotting.backend = "plotly"
for i, pred in enumerate(preds):
    # 图表标题包含Value和大洲信息
    fig = pred.plot(x='ds', y=["yhat_lower", "fact", "yhat_upper", "yhat"])
    fig.update_layout(title=f"{names_with_continent[i]} - 预测与实际值对比")
    # 添加大洲标识注释
    fig.add_annotation(text=f"大洲: {pred['Site'].iloc[0]}", xref="paper", yref="paper", x=0.95, y=0.95, showarrow=False)
    fig.show()

4. 异常检测（加入大洲维度） #

def detect_anomalies(forecast):
    forecasted = forecast[["ds", "Site", "trend", "yhat", "yhat_lower", "yhat_upper", "fact"]].copy()
    
    # 标记异常值
    forecasted["anomaly"] = 0
    forecasted.loc[forecasted["fact"] > forecasted["yhat_upper"], "anomaly"] = 1
    forecasted.loc[forecasted["fact"] < forecasted["yhat_lower"], "anomaly"] = -1
    
    # 计算异常重要性
    forecasted["importance"] = 0.0
    forecasted.loc[forecasted["anomaly"] == 1, "importance"] = \
        (forecasted["fact"] - forecasted["yhat_upper"]) / forecasted["fact"]
    forecasted.loc[forecasted["anomaly"] == -1, "importance"] = \
        (forecasted["yhat_lower"] - forecasted["fact"]) / forecasted["fact"]
    return forecasted

# 批量生成异常检测结果
preds1 = []
for pred in preds:
    preds1.append(detect_anomalies(pred))

5. 结果输出（按Value分Sheet，Sheet内包含所有大洲数据） #

# 先将同Value的结果合并，方便按Value分Sheet输出
result_dict = {}
for name, res in zip(names_with_continent, preds1):
    value_name = name.split('_')[0]
    if value_name not in result_dict:
        result_dict[value_name] = []
    result_dict[value_name].append(res)

# 将合并后的结果写入Excel
with pd.ExcelWriter(r'C:\Users\user\OneDrive\Belgeler\anomaly\question_results.xlsx') as writer:
    for value_name, res_list in result_dict.items():
        # 合并同Value下所有大洲的结果
        combined_df = pd.concat(res_list, ignore_index=True)
        # 按日期和大洲排序
        combined_df = combined_df.sort_values(by=['ds', 'Site'])
        # 写入Sheet，Sheet名为"ValueX_Results"
        combined_df.to_excel(writer, sheet_name=f"{value_name}_Results", index=False)

关键修改点说明 #

1. 数据拆分：从原来仅按Value列拆分，改为按「Value列+大洲」的组合拆分，确保每个模型只针对单个大洲的单个Value数据，避免不同大洲的数据干扰。
2. 保留大洲标识：在建模、预测、异常检测的全流程中，始终携带Site（大洲）列，确保最终结果能关联到具体大洲。
3. 可视化优化：图表标题和注释明确标注对应的Value和大洲，便于区分不同维度的结果。
4. 输出调整：同Value的所有大洲结果合并到同一个Sheet中，方便按「日期+大洲」筛选分析，同时保持原有的按Value分Sheet的逻辑。

内容的提问来源于stack exchange，提问作者Arnve