电商销量预测模型（1）——数据探索

最新推荐文章于 2024-02-07 16:06:03 发布

朦朦墨色染

最新推荐文章于 2024-02-07 16:06:03 发布

阅读量2.3k

点赞数

分类专栏：销量预测案例文章标签： python 数据挖掘

本文链接：https://blog.csdn.net/qq_44789021/article/details/127408100

版权

该文介绍了一个利用时间序列模型预测M公司不同城市、不同产品销量的问题。通过对历史销售数据进行处理，创建了60个时间序列模型，并发现各时间序列存在季节性但非平稳。文中提到，尽管销量年年相似，但每个序列都不平稳，预示着需要进行季节性调整或其他预处理。后续将选取特定城市和产品进行建模分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

问题背景概述：

M公司在20座城市拥有门店，销售A、B、C三种产品。现有2014年1月至2016年12月（共计三年，36个月）以来，每个城市每月每产品的销量数据，意在预测2017年度每城市每月每产品的销量。

本题拟对城市-产品分组建模，对20个城市-3种产品共建立60个时间序列模型。

data = read_csv("sales_data.csv",encoding= "gbk")
data["month"] = data["month"].apply(lambda x:datetime.datetime.strptime(x,'%Y-%m'))

data["month"]是dataframe里的一列，是series类型，如果想对其中每一个值进行操作，需要遍历读取。此处使用的方法是apply（lambda函数）。

grouped = data.groupby(["city","p