import pandas as pd
from sklearn import linear_model #引入机器学习模型库
import matplotlib.pyplot as plt
import numpy as np
df1= pd.read_excel('.\data\广告费.xlsx')
df2= pd.read_excel('.\data\销售表.xlsx')
#数据处理
df1['投放日期'] = pd.to_datetime(df1['投放日期'])
df1= df1.set_index('投放日期',drop=True)
df2=df2[['日期','销售码洋']]
df2['日期'] = pd.to_datetime(df2['日期'])
df2= df2.set_index('日期',drop=True)
#按月统计金额
df_x=df1.resample('M').sum().to_period('M')
df_y=df2.resample('M').sum().to_period('M')
#创建线性模型
clf=linear_model.LinearRegression()
#x为广告费,y为销售收入
x=pd.DataFrame(df_x['支出']) # 获取广告费数据
y=pd.DataFrame(df_y['销售码洋']) #获取销售数据
clf.fit(x,y) #拟合线性模型,模型根据x/y数值自动确认最佳线性模型
k=clf.coef_ #获取回归系数
b=clf.intercept_ #获取截距
#未来6个月计划投入的广告费
x0=np.array([120000,130000,150000,180000,200000,250000])#创建数组
x0=x0.re
电商销售数据与分析(3):构建指标的相关的线性模型,预测未来值,并判断模型是否有效
最新推荐文章于 2023-05-30 16:23:46 发布
![](https://img-home.csdnimg.cn/images/20240611030827.png)