使用 selected_geos 和 selected_times 过滤模型结果

在分析拟合 Meridian 模型时，Analyzer、Visualizer 和 BudgetOptimizer 类允许将分析范围限定为特定的地理区域或时间段。借助这些实参，您可以根据输入数据的子集计算指标（例如投资回报率或增量效果）、生成可视化图表，以及执行预算优化。

使用 selected_geos 实参可将范围限定为地理位置。使用 selected_times 实参可将范围限定为 Analyzer 和 Visualizer 类的时间段。如需定义 BudgetOptimizer 的时间范围，请使用 start_date 和 end_date 实参（通常以 yyyy-mm-dd 字符串格式提供）。

默认情况下，这些实参会分别设置为包含所有地理位置单位和所有时间段。借助某些方法中提供的布尔值选项 aggregate_times 和 aggregate_geos，您可以分别按时间和地理位置细分结果，也可以汇总所选时间和地理位置。

示例代码

本部分介绍了几种假设场景，展示了如何使用 selected_geos 和 selected_times。

场景 1：计算特定时间段内的摘要指标

# Scenario 1: Calculate summary metrics for Q4 2024 only, aggregated across geos.

from meridian.analysis import analyzer
from meridian.model import model

mmm = model.Meridian(...)
mmm.sample_posterior(...)
analyzer_instance = analyzer.Analyzer(mmm)

selected_q4_times = [
    '2024-10-01',
    '2024-10-08',
    '2024-10-15',
    '2024-10-22',
    '2024-10-29',
    '2024-11-05',
    '2024-11-12',
    '2024-11-19',
    '2024-11-26',
    '2024-12-03',
    '2024-12-10',
    '2024-12-17',
    '2024-12-24',
    '2024-12-31',
]

q4_national_summary = analyzer_instance.summary_metrics(
    selected_times=selected_q4_times,
)

场景 2：计算 2 个假设地理位置的增量效果

# Scenario 2: Calculate incremental outcome for 2 hypothetical geos, 'Geo_A', 'Geo_B' broken down weekly.

from meridian.analysis import analyzer
from meridian.model import model

mmm = model.Meridian(...)
mmm.sample_posterior(...)
analyzer_instance = analyzer.Analyzer(mmm)

# Note: Incremental Outcome can be aggregated by time or shown weekly.
geo_a_weekly_impact = analyzer_instance.incremental_outcome(
    selected_geos=['Geo_A', 'Geo_B'],
    aggregate_geos=False,  # Keep the geo dimension separate.
    aggregate_times=False,  # Show incremental outcome week-by-week.
)

场景 3：过滤模型拟合图

# Scenario 3: Filtering Model Fit Plot
# You can restrict the ModelFit.plot_model_fit() visualization to a specific
# region and ensure results are shown at that detailed geo level.
# This example assumes weekly aggregation.

from meridian.model import model
from meridian.analysis import visualizer

mmm = model.Meridian(...)
mmm.sample_posterior(...)
# Assume 'mmm' is fitted
model_fit = visualizer.ModelFit(mmm)

model_fit_chart = model_fit.plot_model_fit(
    selected_geos=['Geo_A'],
    # Plotting January 2025
    selected_times=[
        '2025-01-01',
        '2025-01-08',
        '2025-01-15',
        '2025-01-22',
        '2025-01-29',
    ],
    # Display Geo_A's plot separately (relevant for multi-geo models)
    show_geo_level=True,
    include_baseline=True,
)