数据化分析简单实例——销售预测

前段时间忙东忙西的，已经很久没有发文章了，但是非常感谢各位朋友们的关注与赞赏，让我觉得做这件事情很有动力。以后我也会努力更新，感谢大家的支持与鼓励。
关注文末公众号，后台回复"销售预测"获得数据
1、案例概述
本节通过一个简单的案例， 来介绍如何使用Python进行数据化运营分析。

案例场景： 每个销售型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， 预计会带来多大的商品销售量？

2、案例过程

#1、模块读入
import pandas as pd
from matplotlib import pyplot as plt
from sklearn import linear_model
from sklearn.metrics import mean_squared_error, r2_score

#2、数据读入
raw_data = pd.read_csv('data.txt')

数据预处理部分由于本文分析的是一个简单的案例，不存在数据的缺失与异常情况，因此这部分只是将数据进行了简单的分割为测试数据与训练数据。

#3、数据预处理
num = int(len(raw_data)*0.7)
x,y = raw_data[['money']],raw_data[['amount']]
x_train, x_test = x[:num],x[num:]
y_train, y_test = y[:num],y[num:]

在本阶段， 主要实现对读取的列表数据进行清洗转换， 以满足数据分析展示和数据建模的需要。 代码如下：

#