python数据化运营案例---简单销售预测案例（线性回归模型）

目录

1、案例概述

2、案例过程

3、案例总结

---

本内容主要是《python数据分析与数据化运营》的学习笔记

1、案例概述

案例场景：每个公司都有一定的促销费用，促销费用可以带来销售量的显著提升，当给出一定的促销费用时，预测会带来多大的商品销售量？

原始数据如下：

2、案例过程

#一、读取数据
import pandas as pd    #pandas包用来将数据读取成DataFrame格式
raw_data = pd.read_csv('data.txt')  
#用pandas自带的方法读取csv，由于程序文件和数据文件处于同一目录下，因此无须制定路径

##二、数据预处理

#2.1 设置建模用的x和y,x,y=df[['列名1']],df[['列名2']]
x,y = raw_data[['money']],raw_data[['amount']]

#2.2 拆分训练集和测试集
#2.2-1 按照设置的num数拆分训练集和测试集
#设置一个用于确认数据交叉检验比例的阈值条件，默认是用70%的数据做训练
#raw_data.shape[0]是获取该数据集的行数，
num = int(raw_data.shape[0]*