本篇內(nèi)容介紹了“怎么用python分析銷售額下滑”的有關(guān)知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細閱讀，能夠?qū)W有所成！

讓客戶滿意是我們工作的目標(biāo)，不斷超越客戶的期望值來自于我們對這個行業(yè)的熱愛。我們立志把好的技術(shù)通過有效、簡單的方式提供給客戶，將通過不懈努力成為客戶在信息化領(lǐng)域值得信任、有價值的長期合作伙伴，公司提供的服務(wù)項目有：主機域名、虛擬主機、營銷軟件、網(wǎng)站建設(shè)、亞東網(wǎng)站維護、網(wǎng)站推廣。

• 案件回顧

飯團銷售額下滑

1. 酒館的熱銷菜品之一飯團，近幾個月銷量比去年同期少了約2成

2. 酒館給出了47種菜品，三個月內(nèi)每天的銷售數(shù)據(jù)（問題：什么原因?qū)е铝孙垐F銷量的下降？）

• 菜品銷量變化分析

將數(shù)據(jù)存儲為csv格式，導(dǎo)入python。為了直觀的看看飯團銷售額的時間序列，畫出飯團3個月內(nèi)的銷售額時間序列圖。

menus.日期 = pd.to_datetime(menus.日期)

import matplotlib.pyplot as plt

import pylab

menus.index = menus.iloc[:,1]

menus.loc[menus.品名=='飯團'].iloc[:,2].plot()

plt.ylabel("銷售額")

pylab.show()

時間序列圖，即橫軸代表時間軸的圖。從圖中可以看出，4月份以后，折線整體呈下降趨勢，即銷售額下降。折線波動的很厲害，因為周末銷售額會上漲。再看看炒飯的銷售情況。

menus.loc[menus.品名=='炒飯'].iloc[:,2].plot()

plt.ylabel("銷售額")

pylab.show()

從圖中可直觀看出，炒飯的銷售額波動一樣厲害，但是整體沒有向上或向下的趨勢。再看面條類的銷售情況。

menus.loc[menus.品名=='意大利面'].iloc[:,2].plot(label='意大利面')

menus.loc[menus.品名=='醬汁炒面'].iloc[:,2].plot(label='醬汁炒面')

menus.loc[menus.品名=='烏冬面'].iloc[:,2].plot(label='烏冬面')

menus.loc[menus.品名=='什錦面'].iloc[:,2].plot(label='什錦面')

menus.loc[menus.品名=='拉面'].iloc[:,2].plot(label='拉面')

plt.ylabel("銷售額")

plt.legend()

pylab.show()

從圖上可以看出，5種面條，從4月份開始，每種的銷售額都漲了一點。一般來說，很少人米飯面條會一起點，所以一邊增加了，另一邊減少也很正常。雖然看上去飯團的銷售額與面條的銷售額有關(guān)系，但是飯團銷售額下降的原因真的是因為面條嗎？兩者之間其實是一種偽相關(guān)，因為他們不屬于因果關(guān)系，應(yīng)該是由其他某種原因?qū)е碌倪@兩者銷售額的變化。通過散點圖，可以得到各種食品兩兩比對后的結(jié)果，判斷是否有相關(guān)性。其中，從散點圖可以看到飯團和牛奶間存在明顯的負相關(guān)。

plt.scatter(menus.loc[menus.品名=='飯團'].iloc[:,2],menus.loc[menus.品名=='牛奶'].iloc[:,2])

plt.xlabel("飯團")

plt.ylabel("牛奶")

pylab.show()

在實際生活中，飯團與牛奶間不存在替代關(guān)系，即不應(yīng)該出現(xiàn)兩者的負相關(guān)關(guān)系，因此圖像顯示的情況與實際有出入。再來看牛奶的銷售情況圖。

menus.loc[menus.品名=='牛奶'].iloc[:,2].plot()

plt.ylabel("銷售額")

pylab.show()

從圖中可看出，牛奶的銷售量從4月份開始，突然上漲明顯。調(diào)查原因發(fā)現(xiàn)，酒館進了一種米奶，也就是稀粥，與飯團產(chǎn)生了替代關(guān)系，導(dǎo)致飯團銷量減少。

• 幾個小概念

相關(guān)系數(shù)：觀察散點圖，如果點從左下到右上呈帶狀分布，那么兩個數(shù)據(jù)就是正相關(guān)。如果是從左上到右下分布，就是負相關(guān)。但這只是根據(jù)肉眼進行的判斷，有時候用數(shù)字判斷比用圖判斷更好。比如計算牛奶和飯團銷售額的相關(guān)系數(shù)。

a = menus.loc[menus.品名=='牛奶'].iloc[:,2]b = menus.loc[menus.品名=='飯團'].iloc[:,2]c =  pd.concat([a,b],axis=1)c.columns = ['牛奶','飯團']c.corr()

結(jié)果為：

    
      
 
     
     
     

牛奶
飯團
牛奶
1.000000
-0.574642
飯團
-0.574642
1.000000

相關(guān)系數(shù)代表了2組數(shù)據(jù)之間的線性關(guān)系強弱，取值范圍為[-1,1]，越接近1意味正相關(guān)性越高，越接近－1意味著負相關(guān)性越高。從計算結(jié)果可以看出，牛奶和飯團呈弱負相關(guān)性。

“怎么用python分析銷售額下滑”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實用文章！

網(wǎng)站名稱：怎么用python分析銷售額下滑
路徑分享：http://www.rwnh.cn/article24/igjjje.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供關(guān)鍵詞優(yōu)化、動態(tài)網(wǎng)站、外貿(mào)網(wǎng)站建設(shè)、網(wǎng)站內(nèi)鏈、品牌網(wǎng)站建設(shè)、網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)