我是 1000 位客户的时间序列数据，关于他们在过去 2 年的购买次数。我能够为整个数据集构建时间序列预测模型。但是现在我想为 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对 1000 个客户中的每一个进行迭代，并为每个客户构建单独的模型。但从长远来看，它不会是可行的解决方案
有人可以用更好的方法帮助我吗
样本数据：
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
First , create a function
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
then use the Pool method of multiprocess library to parallel process the customers:
pool.map(Forecast,np.unique(df['customer_id']))
and finally concat the results