这是我第一次研究时间序列，请原谅我。我的数据集包含以下内容，包含 1000 种不同产品的产品 ID 列、日期列、销售列。由于第一步将是执行数据探索（时间序列被分解为三个部分 - 趋势、季节性和随机），我如何在没有其他信息的情况下探索数据，而只有产品 ID 及其过去 3 年的销售额。
基于这些数据，我需要建立一组模型来预测未来 4 个月的销售额。请帮我解决这个问题。
从图中可以看出，我试图了解每个时间序列的分布，但是有 1000 个图，并且很难理解或理解数据，这是我面临的挑战。我想将每个项目的销售数据拆分为趋势、季节性和随机部分。
我有基本代码，但不确定如何为多个项目合并相同的代码，以识别每个项目的趋势、季节性和随机性。
我没有其他信息，如产品类别、销售区域等，只有产品 ID、日期和销售......
我不确定到目前为止您还尝试了哪些其他方法，因此如果我无法为您提供新的可用信息，我深表歉意。
Prophet 本身已经是一个预测模型，所以我假设您正在为 EDA 生成预测数据，而不是构建机器学习模型。
在这个阶段你需要做的是首先确定你想从你的数据中得到什么。如果您真的想预测数据集中每一种产品的性能，那么您必须找到一种方法来解决单独预测 1000 种产品的不切实际的问题。但是，即使您确实做到了，如果不知道产品类别或每个产品之间的任何相似之处，结果可能也不会特别有意义。
我的建议是弄清楚您希望 EDA 回答哪些问题并使用那里的数据。也许您可以选择表现最差的产品并预测它们的未来表现。基于此，您可以建议继续销售这些产品是否有任何意义。
如果您正在寻找有关如何使用预测模型的信息，那么这里有一些您可以查看的资源
探索性数据分析中使用 Prophet 包进行时间序列预测的介绍
当然还有 Prophet 自己的文档