京东销售码洋与广告投入及销量预测【数据集+完整代码】

import pandas as pd
import matplotlib.pyplot as plt

pd.set_option('display.unicode.east_asian_width', True) # 解决数据输出时列名不对齐的问题

df = pd.read_excel('.\data\销售表.xlsx') # type(df) pandas.core.frame.DataFrame
df = df[['日期', '销售码洋']] # 只取 日期 销售码洋 两列的数据
df['日期'] = pd.to_datetime(df['日期']) # 将日期转换为日期格式
df1 = df.set_index('日期') # 设置日期为索引 返回结果是一个带多级 索引的 DataFrame

df_d = df1.resample('D').sum().to_period('D') # 按日累计销售码洋
df_d.to_excel(r'.\result\result1.xlsx') # 导出结果到 .\result\result1.xlsx

df_m = df1.resample('M').sum().to_period('M') # 按月累计销售码洋
df_m.to_excel(r'.\result\result2.xlsx') # 导出结果到 .\result\result2.xlsx

plt.rc('font', family='SimHei', size=10) # 图表字体为黑体，字号为10

fig = plt.figure(figsize=(9, 5)) # 生成了一个画板 指定figure的宽和高 宽9 高5 英寸 figure()详解：http://8e9.cn/hqasY
ax = fig.subplots(1, 2) # 创建Axes对象 一行两列

ax[0].set_title('按日分析销售收入') # 设置图表标题
df_d.plot(kind='line', ax=ax[0], color='r') # 第一个图折线图 plot()详解: http://8e9.cn/Zc2GK

ax[1].set_title('按月分析销售收入') # 设置图表标题
df_m.plot(kind='bar', ax=ax[1], color='g') # 第二个图柱形图

plt.subplots_adjust(top=0.95, bottom=0.18) # 调整图表距上部和底部的空白 bottom cannot be >= top
plt.savefig(r'.\result\01_sales.png') # 保存图片

import pandas as pd
import matplotlib.pyplot as plt

df1 = pd.read_excel('.\data\广告费.xlsx')
df2 = pd.read_excel('.\data\销售表.xlsx')

df2 = df2[['日期', '销售码洋']] # 对于销售表只取['日期', '销售码洋']两列数据
# 将日期转换为日期格式
df1['投放日期'] = pd.to_datetime(df1['投放日期'])
df2['日期'] = pd.to_datetime(df2['日期'])
# 设置日期为索引
df1 = df1.set_index('投放日期') # set_index()详解csdn：http://8e9.cn/PgwjB
df2 = df2.set_index('日期') # 默认drop=True，删除要用作新索引的列

df_y1 = df1.resample('M').sum().to_period('M') # 按月统计广告费
df_y2 = df2.resample('M').sum().to_period('M') # 按月统计销售码洋

y1 = pd.DataFrame(df_y1['支出']) # 广告费支出
y2 = pd.DataFrame(df_y2['销售码洋']) # 销售码洋

plt.rc('font', family='SimHei', size=10) # 图表字体为黑体，字号为10

fig = plt.figure() # 生成一个图框,但是这个图框还不能用来画图,画图需要在子图(subplot)或者轴域(Axes)中作图,fig = plt.figure()就是生成了一个画板
ax1 = fig.add_subplot(111) # 添加子图 add_subplot()详解：http://8e9.cn/7fr8f

plt.title('京东电商销售收入与广告费分析折线图') # 图表标题

x_ticks = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12] # 数组类型，用于设置x轴刻度
x_label = ['1月', '2月', '3月', '4月', '5月', '6月', '7月', '8月', '9月', '10月', '11月', '12月'] # label：数组类型，设置每个间隔的显示标签
plt.xticks(x_ticks, x_label) # 图表x轴的刻度与显示标签

ax1.plot(x_ticks, y1, color='orangered', linewidth=2, linestyle='-', marker='o', mfc='w', label='广告费')
# color：颜色(red, blue, green) # r：红色 w：白色 g：绿色 b：蓝色 c：青绿色 m：洋红色 k：黑色
# linewidth：线宽
# linestyle: 设置线型，常见取值有实线('-')、虚线('--')、点虚线('-.')、点线(':')
# marker: 线条标记
# MarkerEdgeColor或mec设置标记边缘颜色；
# MarkerFaceColor或mfc设置标记填充颜色: marker的填充颜色
# alpha: 设置透明度(0~1之间)

plt.legend(loc='upper left') # 设置图例位置 upper left:2

ax2 = ax1.twinx() # 添加一条y轴坐标轴 产生一个ax1的镜面坐标 得到与ax1对称的ax2,共用一个x轴，y轴对称（坐标不对称）
ax2.plot(x_ticks, y2, color='g', linewidth=2, linestyle='-', marker='o', mfc='w', label='销售收入')
plt.legend(loc='upper center') # 设置图例位置 upper center:9

plt.subplots_adjust(right=0.85) # 调整图表距右部的空白
plt.savefig(r'.\result\02_line.png') # 保存图片

import pandas as pd
import matplotlib.pyplot as plt

df1 = pd.read_excel('.\data\广告费.xlsx')
df2 = pd.read_excel('.\data\销售表.xlsx')

df2 = df2[['日期', '销售码洋']] # 对于销售表只取['日期', '销售码洋']两列数据

# 将日期转换为日期格式
df1['投放日期'] = pd.to_datetime(df1['投放日期'])
df2['日期'] = pd.to_datetime(df2['日期'])

# 设置日期为索引
df1 = df1.set_index('投放日期', drop=True)
df2 = df2.set_index('日期', drop=True)

# 按月统计金额
df_x = df1.resample('M').sum().to_period('M')
df_y = df2.resample('M').sum().to_period('M')

# x为广告费，y为销售收入
x = pd.DataFrame(df_x['支出'])
y = pd.DataFrame(df_y['销售码洋'])

plt.rc('font', family='SimHei', size=11) # 图表字体为黑体，字号为11
plt.figure("京东电商销售收入与广告费分析散点图") # 图表标题
plt.scatter(x, y, color='r') # 真实值散点图
plt.xlabel('广告费（元）') # 设置坐标名称 因python3默认使用中unicode编码 所以不用写成plt.xlabel(u'广告费（元）')
plt.ylabel('销售收入（元）')
plt.subplots_adjust(left=0.15) # 图表距画布左侧的空白
plt.savefig(r'.\result\03_scatter.png') # 保存图片

import pandas as pd
from sklearn import linear_model
import matplotlib.pyplot as plt
import numpy as np

df1 = pd.read_excel('.\data\广告费.xlsx')
df2 = pd.read_excel('.\data\销售表.xlsx')

# 数据处理
df2 = df2[['日期', '销售码洋']] # 对于销售表只取['日期', '销售码洋']两列数据

df1['投放日期'] = pd.to_datetime(df1['投放日期']) # 将日期转换为日期格式
df2['日期'] = pd.to_datetime(df2['日期']) # 将日期转换为日期格式

df1 = df1.set_index('投放日期', drop=True) # 设置日期为索引
df2 = df2.set_index('日期', drop=True) # 设置日期为索引

# 按月统计金额
df_x = df1.resample('M').sum().to_period('M')
df_y = df2.resample('M').sum().to_period('M')

# x为广告费，y为销售收入
x = pd.DataFrame(df_x['支出'])
y = pd.DataFrame(df_y['销售码洋'])

clf = linear_model.LinearRegression() # 创建线性模型
clf.fit(x, y) # 拟合线性模型
k = clf.coef_ # 获取回归系数
b = clf.intercept_ # 获取截距
print('回归系数k:', k, '截距b：', b)

# 未来6个月计划投入的广告费
x0 = np.array([120000, 130000, 150000, 180000, 200000, 250000])
x0 = x0.reshape(6, 1) # 数组重塑

# 预测未来6个月的销售收入（y0）
y0 = clf.predict(x0)
print('预测销售收入：')
print(y0)

# 使用线性模型预测y值
y_pred = clf.predict(x)

plt.rc('font', family='SimHei', size=11) # 图表字体为华文细黑，字号为10
plt.figure("京东电商销售数据分析与预测")
plt.scatter(x, y, color='r') # 真实值散点图
plt.plot(x, y_pred, color='blue', linewidth=1.5) # 预测回归线
plt.xlabel('广告费（元）') # 设置坐标名称 因python3默认使用中unicode编码 所以不用写成plt.xlabel(u'广告费（元）')
plt.ylabel('销售收入（元）')
plt.subplots_adjust(left=0.15) # 设置图表距画布左边的空白
plt.savefig(r'.\result\04_pred.png') # 保存图片
plt.show()

# 预测评分
from sklearn.metrics import r2_score

y_true = [360000, 450000, 600000, 800000, 920000, 1300000] # 销售收入真实值
score = r2_score(y_true, y0) # 预测评分
print("预测评分")
print(score)