#读取数据
import pandas as pd
dfaa=pd.read_excel(r'd:\Users\zhanggl21\Desktop\源代码及数据--python数据分析案例实战(慕课版)\源代码及数据--python数据分析案例实战(慕课版)\第6章\data\JDdata.xls')
dfbb=pd.read_excel(r'd:\Users\zhanggl21\Desktop\源代码及数据--python数据分析案例实战(慕课版)\源代码及数据--python数据分析案例实战(慕课版)\第6章\data\JDcar.xls')
df1=dfaa[['业务日期','金额']]
df2=dfbb[['投放日期','支出']]
#按月统计Excel表中的销售收入和广告支出
df1['业务日期']=pd.to_datetime(df1['业务日期'])
df2['投放日期']=pd.to_datetime(df2['投放日期'])
dfData=df1.set_index('业务日期',drop=True)
dfCar=df2.set_index('投放日期',drop=True)
#使用resample()函数按月汇总数据
dfData_month=dfData.resample('M').sum().to_period('M')
dfCar_month=dfCar.resample('M').sum().to_period('M')
#根据历史销售数据绘制拟合图
'''首先创建一个线性回归模型linear_model.LinearRegression,然后使用fit()方法拟合线性模型,得到斜率(回归系数)和截距,最
后使用predict()方法预测Y值。'&
销售收入分析与预测(线性回归)
最新推荐文章于 2023-01-23 16:08:17 发布
通过60000元的广告投入,利用线性回归模型预测得出7月销售收入为373828.90元。
摘要由CSDN通过智能技术生成