计算促销日期

/*
* 计算促销日期
* 输入一个生产日期,一个保质期天数
* 促销日为过期前2周的周三*/
public class TestFindPromoteSaleDate {
    public static void main(String[] args) throws ParseException {
        Scanner read = new Scanner(System.in);
        System.out.println("请输入生产日期YYYY-MM-DD");
        String datastr = read.nextLine();
        System.out.println("请输入保质期的天数");
        int day = Integer.parseInt(read.nextLine());
        //string -> date
        SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd");
        Date date = sdf.parse(datastr);
        // date->Calendar
        Calendar calendar = Calendar.getInstance();
        calendar.setTime(date);
        //生产日期加上保质期天数
        calendar.add(Calendar.DAY_OF_YEAR, day);
        //再减去两周即为促销日期
        calendar.add(Calendar.DAY_OF_YEAR, -14);
        //获取离得最近的周三
        calendar.set(Calendar.DAY_OF_WEEK, 4);
        //calendar->date
        date = calendar.getTime();
        datastr = sdf.format(date);
        System.out.println("促销日期为:" + datastr);
        read.close();
    }
}
 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我理解你的问题了。以下是实现计算促销日期周需求量及可视化的Python代码: ```python import pandas as pd import numpy as np import matplotlib.pyplot as plt # 生成模拟销售数据 start_date = '2022-01-01' end_date = '2022-12-31' sales_data = pd.DataFrame({ 'date': pd.date_range(start=start_date, end=end_date), 'sales': np.random.randint(1, 100, size=(365,)) }) # 假设促销日期为2022-08-01 promo_date = pd.to_datetime('2022-08-01') # 计算促销日期所在周的需求量,以及前一周和后一周的需求量 promo_week_sales = sales_data[(sales_data['date'] >= promo_date - pd.Timedelta('3 days')) & (sales_data['date'] <= promo_date + pd.Timedelta('3 days'))]['sales'].sum() prior_week_sales = sales_data[(sales_data['date'] >= promo_date - pd.Timedelta('10 days')) & (sales_data['date'] < promo_date - pd.Timedelta('3 days'))]['sales'].sum() post_week_sales = sales_data[(sales_data['date'] > promo_date + pd.Timedelta('3 days')) & (sales_data['date'] <= promo_date + pd.Timedelta('10 days'))]['sales'].sum() # 输出结果 print(f'Promotion week sales: {promo_week_sales:,}') print(f'Prior week sales: {prior_week_sales:,}') print(f'Post week sales: {post_week_sales:,}') # 可视化销售数据 sales_data.set_index('date', inplace=True) sales_data.resample('W-MON', label='left', closed='left', loffset=pd.Timedelta('-1 days')).sum().plot(kind='bar', figsize=(20, 5)) plt.axvline(x='2022-08-01', color='r', linestyle='--') plt.title('Weekly Sales') plt.xlabel('Week Start Date') plt.ylabel('Sales') plt.show() ``` 运行以上代码,你可以得到促销周、前一周和后一周的需求量,同时可视化销售数据,并在促销周的垂直线处突出显示。更多信息和细节请查看代码注释和Python文档。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值