ort

文件路径为python文件位置下的相对路径dwxpd.read_excel(电蚊香套装市场近三年交易额.xlsx)

fmfzpd.read_excel(防霉防蛀片市场近三年交易额.xlsx)

msmcpd.read_excel(灭鼠杀虫剂市场近三年交易额.xlsx)

mzpd.read_excel(盘香灭蟑香蚊香盘市场近三年交易额.xlsx)

wxqpd.read_excel(蚊香加热器市场近三年交易额.xlsx)

wxppd.read_excel(蚊香片市场近三年交易额.xlsx)

wxypd.read_excel(蚊香液市场近三年交易额.xlsx)

二、合并数据

使用head()方法查看前5行数据print(dwx.head())#

使用tail()方法查看后5行数据print(dwx.tail())#

补齐数据

先使用head()和tail()方法观察数据d.head()d.tail()#

补齐缺失月份数据#

索引2017年12月分数据t17d.where(d.时间2017-12-1).dropna()#

同理将2016年12月和2015年12月的数据也索引出来t16d.where(d.时间2016-12-1).dropna()t15d.where(d.时间2015-12-1).dropna()#

将2015年2016年2017年三年的数据合并t4pd.concat([t17,t16,t15])#

由于我们的目的是用2015-2017年3年的12月份数据来进行回归建模预测2018年12月数据#

因此此处我们选用2015,2016,2017作为x变量每一年12月份的数据作为y变量yt4.drop(时间,axis1)#

使用回归算法预测先加载numpy和sklearn库。

import

numpy

将数据处理成回归模型所需要的形式。

x_trainnp.array(x).reshape(-1,1)y_trainnp.array(y.iloc[:,0])#

将线性模型实例化。

linear_reglinear_model.LinearRegression()#

训练模型。

linear_reg.fit(x_train,y_train)#

输入自变量2018预测2018年12月份的销售额。

y_2018_12linear_reg.predict(np.array([2018]).reshape(-1,1)).round(1)#

当一个动作有规律的出现3次或以上肯定有一个办法可以更高效便捷。

#

写FOR循环得到2018年所有类目12月份的预测值。

y_12[]for

range(7):y_trainnp.array(y.iloc[:,i])linear_reglinear_model.LinearRegression()linear_reg.fit(x_train,y_train)y_prelinear_reg.predict(np.array([2018]).reshape(-1,1)).round(1)y_12.append(y_pre[0])#

打印2018年个叶子行业12月份的预测结果。

print(y_12)

整理集数据绘制趋势图

重置索引。

d.reset_index(inplaceTrue)#

d[index]#

汇总每一个月份的类目市场数据d2d.drop(时间,axis1)d[col_sum]d2.apply(lambda

x:x.sum(),axis1)#

提取日期的年份。

d[year]d.时间.apply(lambda

x.year)#

按年份汇总数据。

data_sumd.groupby(year).sum()print(data_sum)

设置画布大小宽8inch高6inch。

plplt.figure(figsize(8,6))#

绘制各叶子行业市场趋势线图。

plt.plot(x,data_sum.iloc[:,0])plt.plot(x,data_sum.iloc[:,1])plt.plot(x,data_sum.iloc[:,2])#

a,b

zip(x,data_sum.iloc[:,2]):plt.text(a,b0.05,%.0f%

b,hacenter,vabottom,fontsize8)plt.plot(x,data_sum.iloc[:,3])plt.plot(x,data_sum.iloc[:,4])plt.plot(x,data_sum.iloc[:,5])plt.plot(x,data_sum.iloc[:,6])#

a,b

zip(x,data_sum.iloc[:,6]):plt.text(a,b0.05,%.0f%

b,hacenter,vabottom,fontsize8)#

设置图的标题x轴标题y轴标题设置刻度线格式。

plt.title(近三年驱虫市场各子市场容量趋势)plt.xlabel(year)plt.ylabel(交易额)plt.xticks(x,year,fontsize9,rotation45)#

设置图例并画图如图4-4所示。

plt.legend([电蚊香,防霉防蛀,灭鼠灭虫,灭蟑,蚊香加热器,蚊香片,蚊香液])plt.show()

提交说明

1、将所有Python文件压缩之后进行提交命名为【学号姓名】。

压缩包使用zip或rar格式均可。

2、将压缩包提交至对应班级的文件夹下未上交、上交文件夹错误按0分处理。