smallRedBook销售额预测python实战

smallRedBook销售表的主要字段：
revenue：用户的下单购买金额
gender：性别。1为男，0为女，空缺为未知
age：年龄，空缺为未知
engaged_last_30：是否最近30天在app上有参与活动（eg;讨论，买家秀）
lifecycle：用户生命周期。A、B、C分别代表用户注册6个月内，1年内，2年内
days_since_last_order：最近一次下单距今的天数。小于1则代表当天有下单。
previous_order_amount：用户以往累积的总购买金额
3rd_party_stores：用户过往在app中从第三方商家购买的次数。0代表只在自营店中购买。

要分析的问题：
对于smallRedBook销售表进行数据预处理和数据描述性统计分析（数据概括，单变量分析，多变量分析），然后进行相关性分析，建立revenue的回归预测模型，进行模型评估和优化。

开始敲Python。
首先导入相关的库和数据表，对于数据进行初步了解和预处理。

import pandas as pd
from matplotlib import pyplot as plt
import seaborn as sns
get_ipython().run_line_magic('matplotlib', 'inline')
from sklearn.linear_model import LinearRegression

#解决中文和编码不正常显示的问题
plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=Falsedf=pd.read_csv(r'small_red_book.csv')

df.info()

df.isnull().sum()

运行可知，gender，age，engaged_last_30存在缺失值
这里用unknown填充gender和engaged_last_30，用均值填充age

df['age']=df['age'].fillna(df.age.mean())
df['gender']=df['gender'].fillna('unknown')
df['engaged_last_30']=df['engaged_last_30'].fillna('unknown')df.info()

缺失值处理完成，数据预处理完成。接下来对于处理后的数据进行描述性统计分析

#数据描述统计
df.describe()

#查看前5行数据
df.head()

然后进行单变量分析，实现可视化。

#查看revenue的分布情况
plt.title('总体销售额分布')
sns.distplot(df['revenue'])

易知，大部分revenue集中在0-2000的区间

#查看0-2000区间内的revenue分布情况
plt.title('小于2000的销售额分布')
df1=df[df['revenue']<2000]
sns.distplot(df1['revenue'

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！