第一个使用Python完成的数据化运营案例—销售预测

第一个使用Python完成的数据化运营案例——销售预测

数据概述：第一列是促销费用；第二列是商品销售量。

读取文件

读取data文件

import re
import numpy
from sklearn import linear_model
from matplotlib  import pyplot as plt
fn = open('data.txt','rb')
all_data=fn.readlines()
fn.close()

数据写入

# x=[]
# y=[]
# for single_data in all_data:
#     print(single_data)
#     tmp_data = re.split('\t|\n', single_data)
#     print(tmp_data)
#     x.append(float(tmp_data[0]))
#     print(tmp_data)
#     y.append(float(tmp_data[1]))
#     print(tmp_data)
# x = numpy.array(x).reshape([100, 1])
# y = numpy.array(y).reshape([100, 1])

import pandas as pd
df = pd.read_csv('data.txt',dtype='float',delimiter='\t')
df.head()

	28192.0	68980.0
0	39275.0	78875.0
1	34512.0	81400.0
2	24430.0	80624.0
3	23811.0	65562.0
4	34856.0	94603.0

x=df.iloc[:,0].values.reshape(-1,1)
y=df.iloc[:,1].values.reshape(-1,1)

数据分析展示

plt.scatter(x,y)

数据建模

#线性回归分析
model=linear_model.LinearRegression()
model.fit(x,y)

LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None, normalize=False)

# 得到评估结果
model_coef=model.coef_
model_intercept=model.intercept_
r2=model.score(x,y)
#相关性系数
print(r2)
#拟合的a
print(model_coef)
#拟合的b
print(model_intercept)

0.7873031585790161
[[2.09300087]]
[13260.03313486]

# 销售预测
import numpy as np
new_x = 84610
new_x = np.array(new_x).reshape(1, -1)
pre_y = model.predict(new_x)
print(pre_y)

[[190348.83636364]]

#拟合直线参数
x_train=x
y_pre_train=model.predict(x_train)
# 数据分析展示
plt.scatter(x, y)   #散点图
plt.plot(x_train,y_pre_train,color="red",linewidth=2)   #拟合直线