一、实验目的
(1) 掌握对比分析的方法。
(2) 掌握相关性分析的方法。
(3) 掌握周期分析的方法。
二、实验内容
(1) 各化妆品类别的销量对比分析。
(2) 各化妆品类别相关性分析。
(3) 总销量周期分析。
三、实验过程、内容
3.1 各化妆品类别的销量对比分析
使用对比分析对各化妆品类别每日的销量走势进行对比,并绘制折线图进行分析。
导入所需要的库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
导入数据集
df = pd.read_excel('各化妆品销量.xlsx')
df.head()
![](https://i-blog.csdnimg.cn/blog_migrate/2df7fc2a25c0055518a941891ab70ba3.png)
绘制折线图
plt.figure(figsize = (12,8))
plt.plot(df['日期'], df['肤用化妆品'], label='肤用化妆品', marker='o') # marker标注折点
plt.plot(df['日期'], df['发用化妆品'], label='发用化妆品', marker='s')
plt.plot(df['日期'], df['美容化妆品'], label='美容化妆品', marker='x')
plt.plot(df['日期'], df['疗效化妆品'], label='疗效化妆品', marker='v')
#画线设置颜色和标签
plt.legend() #显示图例
plt.ylabel('销量')
plt.rcParams['font.sans-serif'] = ['SimHei'] #正常显示中文
plt.title('各类化妆品销量折线图')
plt.show()
![](https://i-blog.csdnimg.cn/blog_migrate/e21187c30af1f2ee453fdd37b22ef919.png)
3.2 各化妆品类别相关性分析
使用相关性分析计算各化妆品类别之间的相关性,并对输出结果进行分析。
绘制相关系数热力图
plt.figure(figsize=[8,6])
sns.heatmap(df.corr(),vmin=0, vmax=1,cmap='Reds', linewidths=0.5,annot=True)
plt.title('化妆品相关系数热力图')
plt.rcParams['font.sans-serif'] = ['SimHei'] #正常显示中文
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.show()
![](https://i-blog.csdnimg.cn/blog_migrate/3ae0f74625406770862440204d905436.png)
3.3 总销量周期分析
使用周期分析对化妆品每日的总销量进行统计,并绘制每日的化妆品总销量折线图进行分析。
绘制销量趋势折线图
plt.figure(figsize=[16,10])
plt.plot(df['日期'], df['总销量'])
plt.xlabel('日期')
plt.xticks(rotation=-15) #设置x轴标签旋转
plt.ylabel('每日总销量')
plt.title('化妆品每日总销量趋势')
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.show()
![](https://i-blog.csdnimg.cn/blog_migrate/51fc0b50e2d155e5fe6271a3c077048f.png)