怎么用python分析銷售額下滑

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(shí)，在實(shí)際案例的操作過程中，不少人都會(huì)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(xì)閱讀，能夠?qū)W有所成！

• 案件回顧

飯團(tuán)銷售額下滑

1. 酒館的熱銷菜品之一飯團(tuán)，近幾個(gè)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(gè)月內(nèi)每天的銷售數(shù)據(jù)（問題：什么原因?qū)е铝孙垐F(tuán)銷量的下降？）

   
   

• 菜品銷量變化分析

將數(shù)據(jù)存儲(chǔ)為csv格式，導(dǎo)入python。為了直觀的看看飯團(tuán)銷售額的時(shí)間序列，畫出飯團(tuán)3個(gè)月內(nèi)的銷售額時(shí)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(tuán)'].iloc[:,2].plot()

plt.ylabel("銷售額")

pylab.show()

時(shí)間序列圖，即橫軸代表時(shí)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(shì)，即銷售額下降。折線波動(dòng)的很厲害，因?yàn)橹苣╀N售額會(huì)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(dòng)一樣厲害，但是整體沒有向上或向下的趨勢(shì)。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(diǎn)。一般來說，很少人米飯面條會(huì)一起點(diǎn)，所以一邊增加了，另一邊減少也很正常。雖然看上去飯團(tuán)的銷售額與面條的銷售額有關(guān)系，但是飯團(tuán)銷售額下降的原因真的是因?yàn)槊鏃l嗎？兩者之間其實(shí)是一種偽相關(guān)，因?yàn)樗麄儾粚儆谝蚬P(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(diǎn)圖，可以得到各種食品兩兩比對(duì)后的結(jié)果，判斷是否有相關(guān)性。其中，從散點(diǎn)圖可以看到飯團(tuán)和牛奶間存在明顯的負(fù)相關(guān)。

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

plt.xlabel("飯團(tuán)")

plt.ylabel("牛奶")

pylab.show()

在實(shí)際生活中，飯團(tuán)與牛奶間不存在替代關(guān)系，即不應(yīng)該出現(xiàn)兩者的負(fù)相關(guān)關(guān)系，因此圖像顯示的情況與實(shí)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(jìn)了一種米奶，也就是稀粥，與飯團(tuán)產(chǎn)生了替代關(guān)系，導(dǎo)致飯團(tuán)銷量減少。

• 幾個(gè)小概念

相關(guān)系數(shù)：觀察散點(diǎn)圖，如果點(diǎn)從左下到右上呈帶狀分布，那么兩個(gè)數(shù)據(jù)就是正相關(guān)。如果是從左上到右下分布，就是負(fù)相關(guān)。但這只是根據(jù)肉眼進(jìn)行的判斷，有時(shí)候用數(shù)字判斷比用圖判斷更好。比如計(jì)算牛奶和飯團(tuán)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(tuán)'].iloc[:,2]c =  pd.concat([a,b],axis=1)c.columns = ['牛奶','飯團(tuán)']c.corr()

結(jié)果為：

    
      
 
     
     
     

牛奶
飯團(tuán)
牛奶
1.000000
-0.574642
飯團(tuán)
-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(qiáng)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(fù)相關(guān)性越高。從計(jì)算結(jié)果可以看出，牛奶和飯團(tuán)呈弱負(fù)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(shí)可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！