怎么用python进行销量预测
这篇文章主要介绍"怎么用python进行销量预测"，在日常操作中，相信很多人在怎么用python进行销量预测问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答"怎么用python进行销量预测"的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
案件回顾
饭团销售额下滑
现有冰激凌店一年的历史销售数据
数据包括单日的销售量、气温、周几（问题：如何用这些数据预测冰激凌的销量？）
模拟实验与分析
将数据存储为csv格式，导入python。并画出散点图，观察气温和销售量的关系。
import pandas as pd
icecream = pd.read_csv("icecream.csv")
import matplotlib.pyplot as plt
import pylab
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.scatter(icecream.iloc[:,1],icecream.iloc[:,0])
plt.xlabel("气温")
plt.ylabel("销售量")
pylab.show()
计算两者间的相关系数。
icecream.iloc[:,0:2].corr()
结果为：
销售量 气温 销售量 1.000000 0.844211 气温 0.844211 1.000000
销售量和气温的相关系数为0.84，结合散点图，认为两者相关。下面用回归分析的方法，通过气温来预测冰激凌销量。
from sklearn.linear_model import LinearRegression
model = LinearRegression()
feature_cols = ['气温']
X = icecream[feature_cols]
y = icecream.销售量
model.fit(X,y)
plt.scatter(icecream.气温, icecream.销售量)
plt.plot(icecream.气温, model.predict(X) , color='blue')
plt.xlabel('气温')
plt.ylabel('销售量')
plt.show()
print("截距与斜率:",model.intercept_,model.coef_)
截距与斜率: 57.1673282152 [ 5.21607823]
于是，散点图中的线函数式为y＝5.2X＋57.2。所以，当气温为25度时，预测的销售量为5.2*25+57.2=187.52，约188个。
几个小概念
回归分析：预测数据时的简便手法。在此例中，销售量为反应变量，也叫因变量，气温为解释变量，也叫自变量。虽然影响销售量的因素除了气温外还有很多，但回归分析中我们要把现实情况简化并公式化，这个过程叫做建模。本例中只用1个解释变量进行模型化称为一元线性回归，如果反应变量同时受到多个解释变量的影响，称为多元线性回归。
到此，关于"怎么用python进行销量预测"的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注网站，小编会继续努力为大家带来更多实用的文章！
