个人客户的时间序列分析

Question

我为1000位客户提供了他们在过去两年中购物数量的时间序列数据。我能够为整个数据集构建时间序列预测模型。但现在我想为1000个客户中的每一个建立预测模型，解决这个问题的最佳方法是什么。

PS：我能想到的一种方法是迭代1000个客户中的每一个，并为每个客户构建单独的模型。但从长远来看，它不会成为可行的解决方案

有人可以用更好的方法帮助我吗

示例数据：

custmore_id,date,count_order
1,2015-06,24
1,2015-07,26
...
1,2017-08,320
2,2015-06,12
2,2015-07,32
..
2,2017-08,500

Answer 1

首先，创建一个函数 def Forecast(costumer_id,prediction_date): df_customer = df[df['customer_id']==customer_id] do forecasting on df_customer return forecast for customer and prediction_date 然后使用多进程库的Pool方法并行处理客户：

pool.map(Forecast,np.unique(df['customer_id'])) 最后结果结果