我来帮你搞定这个问题——在分组管道里给Prophet模型加自定义季节性，核心是不能像你原来那样直接在predict()里嵌套prophet()调用，得把模型构建的步骤拆解开，分步添加自定义季节性再拟合。

问题分析 #

你原来的代码直接在predict()里创建Prophet实例，这种写法没法插入add_seasonality()的步骤，因为这个函数需要先拿到初始化好的模型对象，才能给它添加自定义季节性规则。

修改后的完整代码 #

假设我们要添加一个每14天的自定义季节性（你可以根据业务需求调整周期和参数），修改后的管道代码如下：

# 假设你已经定义了custom_events（如果没有可以删除holidays参数）
# custom_events <- data.frame(holiday = ..., ds = ..., lower_window = ..., upper_window = ...)

df2 <- df %>%
  group_by(some_group) %>%
  do({
    # 1. 初始化Prophet模型，关闭默认的年/周/日季节性
    model <- prophet(
      holidays = custom_events,
      yearly.seasonality = FALSE,
      weekly.seasonality = FALSE,
      daily.seasonality = FALSE
    )
    
    # 2. 添加自定义季节性：这里示例是14天周期，傅里叶项数5
    model <- add_seasonality(
      model,
      name = "biweekly_seasonality",  # 给季节性规则命名
      period = 14,                    # 周期长度（单位：天）
      fourier.order = 5               # 傅里叶项数，控制拟合灵活性
    )
    
    # 3. 用当前分组的数据拟合模型
    model <- fit.prophet(model, data = .)
    
    # 4. 生成未来预测数据框并执行预测
    future_df <- make_future_dataframe(model, periods = 30*7)
    forecast <- predict(model, future_df)
    
    # 5. 整理结果：保留需要的列，同时把分组标识加回去
    select(forecast, ds, yhat) %>% 
      mutate(some_group = unique(.$some_group))
  }) %>%
  select(ds, some_group, yhat)

关键细节说明 #

1. 分步构建模型：把模型初始化、添加季节性、拟合、预测拆成独立步骤，这样就能插入add_seasonality()的操作。
2. 自定义季节性参数：
   • name：给你的自定义季节性起个唯一名字，方便后续排查或分析结果
   • period：周期长度，比如周季节性填7，年季节性填365.25，完全根据你的业务规律来
   • fourier.order：数值越大，季节性曲线越复杂，拟合能力越强，但也容易过拟合，建议从5开始调整
3. 多自定义季节性支持：如果需要同时添加多个规则，只要多次调用add_seasonality()就行，比如：

   # 同时添加7天和14天的自定义季节性
   model <- add_seasonality(model, name = "weekly_custom", period = 7, fourier.order = 3)
   model <- add_seasonality(model, name = "biweekly", period = 14, fourier.order = 5)
   

验证结果 #

运行代码后，df2会包含每个分组（A和B）的未来预测值，且预测已经纳入了你定义的自定义季节性规则。

内容的提问来源于stack exchange，提问作者Mysterio