怎么用python進行銷量預測

這篇文章主要介紹“怎么用python進行銷量預測”，在日常操作中，相信很多人在怎么用python進行銷量預測問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”怎么用python進行銷量預測”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

• 案件回顧

飯團銷售額下滑

1. 現有冰激凌店一年的歷史銷售數據

2. 數據包括單日的銷售量、氣溫、周幾（問題：如何用這些數據預測冰激凌的銷量？）

   
   

• 模擬實驗與分析

將數據存儲為csv格式，導入python。并畫出散點圖，觀察氣溫和銷售量的關系。

import pandas as pd

icecream = pd.read_csv("icecream.csv")

import matplotlib.pyplot as plt

import pylab

plt.rcParams['font.sans-serif'] = ['SimHei']  

plt.scatter(icecream.iloc[:,1],icecream.iloc[:,0])

plt.xlabel("氣溫")

plt.ylabel("銷售量")

pylab.show()

計算兩者間的相關系數。

icecream.iloc[:,0:2].corr()

結果為：

	銷售量	氣溫
銷售量	1.000000	0.844211
氣溫	0.844211	1.000000

銷售量和氣溫的相關系數為0.84，結合散點圖，認為兩者相關。下面用回歸分析的方法，通過氣溫來預測冰激凌銷量。

from sklearn.linear_model import LinearRegression

model = LinearRegression()

feature_cols = ['氣溫']  

X = icecream[feature_cols]  

y = icecream.銷售量  

model.fit(X,y)

plt.scatter(icecream.氣溫, icecream.銷售量)  

plt.plot(icecream.氣溫, model.predict(X) , color='blue')  

plt.xlabel('氣溫')  

plt.ylabel('銷售量')  

plt.show()  

print("截距與斜率:",model.intercept_,model.coef_)

截距與斜率: 57.1673282152 [ 5.21607823]

于是，散點圖中的線函數式為y＝5.2X＋57.2。所以，當氣溫為25度時，預測的銷售量為5.2*25+57.2=187.52，約188個。

• 幾個小概念

回歸分析：預測數據時的簡便手法。在此例中，銷售量為反應變量，也叫因變量，氣溫為解釋變量，也叫自變量。雖然影響銷售量的因素除了氣溫外還有很多，但回歸分析中我們要把現實情況簡化并公式化，這個過程叫做建模。本例中只用1個解釋變量進行模型化稱為一元線性回歸，如果反應變量同時受到多個解釋變量的影響，稱為多元線性回歸。

到此，關于“怎么用python進行銷量預測”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！