予測モデルを持つPython関数をFlaskアプリケーションに適用する方法

Question

私は、FlaskでPOST json要求を受信し、予測モデルで機能するという2つの論理部分からなるコードを持っています。だからここにはコード表現にどのように見えるか：

from flask import Flask 
from flask import request 
import io 
import json 
import pandas as pd 
import numpy as np 
from fbprophet import Prophet 

app = Flask(__name__) 

@app.route('/postjson', methods = ['POST']) 

def postJsonHandler(): 

    print (request.is_json) 
    content = request.get_json() 
    df = pd.io.json.json_normalize(content, ['Days', 'Orders']) 
    print (df) 
    return 'JSON posted' 

app.run(host='0.0.0.0', port= 8090) 

そしてここでは、モデルと機能を備えた一部です：

def TimeSeries(): 

    df['Days'] = pd.to_datetime(df['Days']) 
    df = df.rename(columns={'Days': 'ds', 
        'Orders': 'y'}) 

    my_model = Prophet(interval_width=0.95, yearly_seasonality=False, daily_seasonality=False, weekly_seasonality=True) 

    df['y'] = np.log(df['y']) 

    my_model.fit(df) 

    future_dates = my_model.make_future_dataframe(periods=30) 

    forecast = my_model.predict(future_dates) 

    yhat=forecast.yhat 
    ser=np.exp(yhat) 
    df_upd=pd.DataFrame(ser[-30:]) 
    df_upd.reset_index(drop=True, inplace=True) 
    js=df_upd.to_dict(orient='split') 
    del js['index'] 
    res=json.dumps(js)  

    return res 

私の質問には、次のことをbуます：

1. どのように転送することができます最初の部分関数postJsonHandler（）の結果データフレームdfを第2の部分関数TimeSeries（）の入力として使用しますか？
2. 予測関数のTimeSeries（）をFlask環境に統合して、すべてを一度に実行できるようにするにはどうすればいいですか？jsonリクエストを受け取り、それをpandasデータフレームに変換し、予測結果をjson形式で計算し、 。

Big Thanks！

Answer 1

あなたの機能を組み合わせる：あなたのモデルに

from flask import Flask 
from flask import request 
import io 
import json 
import pandas as pd 
import numpy as np 
from fbprophet import Prophet 

app = Flask(__name__) 

my_model = Prophet(interval_width=0.95, yearly_seasonality=False, daily_seasonality=False, weekly_seasonality=True) 

@app.route('/postjson', methods = ['POST']) 

def postJsonHandler(): 

    print (request.is_json) 
    content = request.get_json() 
    df = pd.io.json.json_normalize(content, ['Days', 'Orders']) 
    df['Days'] = pd.to_datetime(df['Days']) 
    df = df.rename(columns={'Days': 'ds', 
        'Orders': 'y'}) 

    df['y'] = np.log(df['y']) 

    my_model.fit(df) 

    future_dates = my_model.make_future_dataframe(periods=30) 

    forecast = my_model.predict(future_dates) 

    yhat=forecast.yhat 
    ser=np.exp(yhat) 
    df_upd=pd.DataFrame(ser[-30:]) 
    df_upd.reset_index(drop=True, inplace=True) 
    js=df_upd.to_dict(orient='split') 
    del js['index'] 
    res=json.dumps(js) 



app.run(host='0.0.0.0', port= 8090