场景与目标
零售门店销量受季节、节假日与促销影响波动明显,补货靠经验常导致缺货或积压。本文用 Facebook 开源的 Prophet 对历史日销量做时序预测,纳入节假日与促销效应,输出未来走势与置信区间,并据此给出安全库存与补货量建议,代码可直接在门店数据上复现。
步骤一:准备数据并拟合模型
Prophet 要求两列数据:ds(日期)与 y(数值),用日粒度销量即可:
pip install prophet
from prophet import Prophet
import pandas as pd
df = pd.read_csv('daily_sales.csv') # 含 ds,y 两列
df['ds'] = pd.to_datetime(df['ds'])
m = Prophet(weekly_seasonality=True, yearly_seasonality=True)
m.fit(df)
步骤二:加入节假日与促销效应
内置节假日可自动建模,大促等店铺活动可作为额外节假日加入:
m.add_country_holidays('CN')
promo = pd.DataFrame({
'holiday': 'promo',
'ds': pd.to_datetime(['2026-06-18', '2026-11-11']),
'lower_window': 0, 'upper_window': 2,
})
m = Prophet(weekly_seasonality=True).add_country_holidays('CN')
m.holidays = pd.concat([m.holidays, promo]) if m.holidays is not None else promo
m.fit(df)
步骤三:预测并生成补货建议
预测未来30天,用预测下限推算安全补货量,避免断货:
future = m.make_future_dataframe(periods=30)
fcst = m.predict(future)
need = fcst[['ds', 'yhat', 'yhat_lower']].tail(30)
on_hand, in_transit = 120, 60
reorder = (need['yhat_lower'] - on_hand - in_transit).clip(lower=0)
print(need[['ds', 'yhat']].assign(reorder_qty=reorder.round()))
提醒:Prophet 对强季节性数据有效,但大促突变与突发舆情需额外回归量;建议以周为粒度滚动重训,并把预测下限而非点估计用于安全库存,降低缺货风险。
参考来源
Prophet 官方文档(Forecasting at scale,Python 快速开始) - facebook.github.io/prophet。