一、前言

上个月不知道咋想的 ，我明明已经很忙了，还报名了个 2022年全国大学生数据分析大赛，本来不想做了的，但是想想不做就浪费我的报名费了，这两天还是给做了，比较粗糙，得不得奖不重要了。

二、题目

我选的A题

题目 A：医药电商销售数据分析
随着国家政策的逐步开放，越来越多的药品可以在网络上购买，医药电商平台蒸蒸日上，受新冠疫情的影响，线下药店购买困难，更让医药电商进入了更多消费者的视野，各大药企也纷纷加大力度布局医药电商领域。但电商模式与线下零售有所不同，如何更好的经营医药电商成为药企急需解决的问题。本题采集了天猫维生素类的药品，请针对维生素药品进行数据的清洗、分析与挖掘，并回答下列问题。

1．对店铺进行分析，一共包含多少家店铺，各店铺的销售额占 比如何？给出销售额占比最高的店铺，并分析该店铺的销售情况。
2. 对所有药品进行分析，一共包含多少个药品，各药品的销售 额占比如何？给出销售额占比最高的 10 个药品，并绘制这 10 个药品 每月销售额曲线图。
3．对所有药品品牌进行分析，一共包含多少个品牌，各品牌的 销售额占比如何？给出销售额占比最高的 10 个品牌，并分析这 10 个 品牌销售较好的原因？
4. 预测天猫维生素类药品未来三个月的销售总额并绘制拟合曲 线，评估模型性能和误差。
5. 一家药企计划将新的维生素品牌进行网络销售，聘请你当企 业的顾问，请你设计一份不超过两页纸的电商经营策略。

三、题解

1．对店铺进行分析，一共包含多少家店铺，各店铺的销售额占比如何？给出销售额占比最高的店铺，并分析该店铺的销售情况。

使用read_excel可以读取.xlxs文件

#读取文件
import pandas as pd
import numpy as np
# path --> xlsx的存储路径
path = r'D:\Pyprogram\jupyterCode\analysis competition\题目A：医药电商销售数据分析\data'
data = pd.read_excel(path+r'\data.xlsx')
ss = data.head()
ss

	date_time	id	shop_name	title	sku_name	price	sold	discount	brand	parameter
0	2020-11-01	3985971101463	宜度海外专营店	特价处理！超低价19.9元起！含维生素ABCDE B族B12 维生素锌硒片	维生素e 300粒--买3送1	60.900000	19	9折	NaN	厂名:Puritan's Pride||品牌:Puritan‘s Pride/普丽普莱||生...
1	2020-11-01	4224064440294	天猫国际进口超市	FANCL男40岁综合营养包30包/袋*2复合多种维生素日本芳珂fancl	(【直营】日本FANCL/芳珂 40岁男性综合维生素营养 30袋（30天量）)*2	500.000000	71	9折	NaN	品牌:FANCL||系列:综合营养包||生产企业:FANCL株式会社
2	2021-12-01	3437759489038	阿里健康大药房	民生21金维他多维元素片30片儿童男女成人补充维生素矿物质缺乏	国民大牌| 补充21种维矿	22.416667	366	9.5折	NaN	产品名称:21金维他 多维元素片（21） 30片*1瓶/盒||药品通用名:多维元素片（21）...
3	2021-12-01	576002931540	天猫国际进口超市	【直营】美国进口安利简装倍立健多种复合维生素矿物质营养186片	NaN	452.250000	28	9.5折	NaN	厂名:Amway Dominican Republic LLC||生产企业:Amway||系...
4	2021-03-01	4363644898037	阿里健康大药房	买2送礼】elevit/爱乐维复合维生素片140粒维生素缺乏症贫血官方	爱乐维玛咖锌淫羊藿胶囊140粒+爱乐维 复合维生素片30片/盒	371.666667	32	9折	NaN	品牌:elevit/爱乐维||药品名称:复合维生素片||药品通用名:复合维生素片||生产企业...

discount列中使用正则表达式提取数字

# discount 提取数字，正则表达式
data['discount'] = data['discount'].str.extract(r'(^\d?.?\d)',expand=True) 
data['discount'].fillna(value=10,inplace = True)
print(data['discount'])

0          9
1          9
2        9.5
3        9.5
4          9
        ... 
75105      9
75106      9
75107      9
75108      9
75109      9
Name: discount, Length: 75110, dtype: object

# 转换数据price,sold,discount的类型
#print(data['discount'].dtypes)
data['price'] = pd.to_numeric(data['price'],downcast="float")
data['sold'] = pd.to_numeric(data['sold'],downcast="float")
data['discount'] = pd.to_numeric(data['discount'],downcast="float")
print(data['price'].dtypes)
print(data['sold'].dtypes)
print(data['discount'].dtypes)

# print(data['discount'])
# disCount = data.groupby('discount')
# for name,group in disCount:
#     if name == 9.5:
#         print(len(group))
# print((data['discount'].isnull().sum()))

float32
float32
float32

# 多少家店铺
shop_groups = data.groupby('shop_name')
print("一共包含",len(shop_groups),"家店铺")

一共包含 26 家店铺

# 各店铺的销售额占比如何
#计算销售额
data['sold_sum'] = data['price']*data['sold']*data['discount']*0.1
## 计算原价
data['pre_sold_sum'] = data['price']*data['sold'] 
print(data[['price','sold','discount','sold_sum','pre_sold_sum']].head(4))
ShopName = []
SoldSum = []
for name,group in shop_groups:
    ShopName.append(name)
    SoldSum.append(group.sold_sum.sum())
    print(name," 销售额:",group.sold_sum.sum()," 元") ##有精度问题

        price   sold  discount      sold_sum  pre_sold_sum
0   60.900002   19.0       9.0   1041.390015   1157.099976
1  500.000000   71.0       9.0  31950.000000  35500.000000
2   22.416666  366.0       9.5   7794.274902   8204.500000
3  452.250000   28.0       9.5  12029.850586  12663.000000
ChemistWarehouse海外旗舰店  销售额: 55396804.0  元
LuckyVitamin海外旗舰店  销售额: 369791.6  元
NRC营养优选海外专营店  销售额: 1408813.0  元
SASA美国直邮  销售额: 325823.53  元
hihealth海外专营店  销售额: 3382795.0  元
nrfs湖畔海外专营店  销售额: 872791.25  元
nyc美林健康海外专营店  销售额: 4343254.0  元
skyshop海外专营店  销售额: 6506159.0  元
thejamy保健海外专营店  销售额: 9798825.0  元
同堂保健品专营店  销售额: 65397.375  元
天猫国际妙颜社  销售额: 35698040.0  元
天猫国际进口超市  销售额: 356101220.0  元
天猫超市  销售额: 114821700.0  元
宜度海外专营店  销售额: 6001668.5  元
康寿营养品店  销售额: 619887.9  元
康恩贝官方旗舰店  销售额: 95598720.0  元
康爱多大药房旗舰店  销售额: 4986435.5  元
搬运健康馆  销售额: 794800.6  元
焦作国控大药房旗舰店  销售额: 1546531.2  元
百康保健品专营店  销售额: 5288855.5  元
百秀大药房旗舰店  销售额: 2843618.2  元
美加精品  销售额: 646626.44  元
苏宁易购官方旗舰店  销售额: 10659591.0  元
进口/国产保健品精品店  销售额: 727676.44  元
阿里健康大药房  销售额: 675102700.0  元
阿里健康大药房海外店  销售额: 106508890.0  元

# 按店铺销售额排序
x = dict(zip(ShopName,SoldSum))
c=sorted(x.items(),key = lambda x: x[1],reverse=True)
ShopName = [x[0] for x in c]
SoldSum = [x[1] for x in c]

#各店铺的销售额占比
SoldSumtotal = sum(SoldSum)
SoldSumPercent = [x/SoldSumtotal for x in SoldSum]
#print(titleSoldSumPercent)
mylist = [ShopName,SoldSum,SoldSumPercent]
mymatrix = np.mat(mylist)
mymatrix = mymatrix.T
xlxs_title = pd.DataFrame(mymatrix,columns=['店铺名称', '店铺销售额', '店铺销售额占比'])

#存入excel
xlxs_title.to_excel(path+r'\第一题\各店铺的销售额占比.xlsx', sheet_name='各店铺的销售额占比')

import matplotlib.pyplot as plt
plt.figure(figsize=(8,8))
plt.rcParams['font.sans-serif'] = 'Simhei'
plt.pie(SoldSum,autopct='%.2f%%',labels=ShopName,pctdistance=0.9)
plt.title('各店铺的销售额占比饼状图')

Text(0.5, 1.0, '各店铺的销售额占比饼状图')

# 给出销售额占比最高的店铺，并分析该店铺的销售情况。
print("销售额最高的是：",ShopName[0])
print("销售总额：",SoldSum[0],"元")
MaxSum = shop_groups.get_group(ShopName[0])

销售额最高的是： 阿里健康大药房
销售总额： 675102700.0 元

#分析
MaxSum = shop_groups.get_group(ShopName[0]) #只取 阿里健康大药房 分组
#从时间上看
print(len(MaxSum))
MaxSum['date_time'] = pd.to_datetime(MaxSum['date_time'])  #转化数据类型
MaxSum_t = MaxSum.sort_values('date_time')#按时间排序
MaxSum_t = MaxSum_t.groupby('date_time')#按时间分组

16958

one_date = []
one_date_sold_sum = []
for date,group in MaxSum_t:
    one_date.append(date)
    one_date_sold_sum.append(group[["sold_sum"]].sum())

plt.figure(figsize=(16,10),dpi=150)
plt.xlabel('时间')
plt.ylabel('销售额')
plt.plot(one_date,one_date_sold_sum)
plt.title('阿里健康大药房每月销售额曲线图')
name = path+'\第一题'+'\阿里健康大药房每月销售额曲线图.jpg'
plt.savefig(name)

#从商品title看
MaxSum_title = MaxSum.groupby('title')#按title分组
print(len(MaxSum_title))
title_name=[]
title_sum = []
for title,group in MaxSum_title:
    title_name.append(title)
    T_sum = sum(group["sold"])
    #print(T_sum)
    title_sum.append(T_sum)
    #print(title)
    #print(len(group))
#title数量排序
x = dict(zip(title_name,title_sum))
c=sorted(x.items(),key = lambda x: x[1],reverse=True)
title_name = [x[0] for x in c]
title_sum = [x[1] for x in c]
#print(title_sum[:10])
#画条形图
plt.figure(figsize=(8,8))
plt.barh(title_name[:10][::-1],title_sum[:10][::-1],alpha=0.3)
plt.title(ShopName[0]+'前十药品销售条形图')
plt.savefig(path+'\第一题'+'\阿里健康大药房前十药品销售条形图.jpg')

1663

2.对所有药品进行分析，一共包含多少个药品，各药品的销售额占比如何？给出销售额占比最高的 10 个药品，并绘制这 10 个药品每月销售额曲线图。

# 一共包含多少个药品
print(data.columns)
title_groups = data.groupby('title')
print("一共包含",len(title_groups),"个药品")

Index(['date_time', 'id', 'shop_name', 'title', 'sku_name', 'price', 'sold',
       'discount', 'brand', 'parameter', 'sold_sum', 'pre_sold_sum'],
      dtype='object')
一共包含 11258 个药品

# 各药品的销售额占比
titleName = []
titleSoldSum = []
for name,group in title_groups:
    titleName.append(name)
    titleSoldSum.append(group.sold_sum.sum())
    #print(name," 销售额:",group.sold_sum.sum()," 元") ##有精度问题

# 按店铺销售额排序
x = dict(zip(titleName,titleSoldSum))
c=sorted(x.items(),key = lambda x: x[1],reverse=True)
titleName = [x[0] for x in c]
titleSoldSum = [x[1] for x in c]

#各药品的销售额占比
titleSoldSumtotal = sum(titleSoldSum)
titleSoldSumPercent = [x/titleSoldSumtotal for x in titleSoldSum]
#print(titleSoldSumPercent)
mylist = [titleName,titleSoldSum,titleSoldSumPercent]
mymatrix = np.mat(mylist)
mymatrix = mymatrix.T
xlxs_title = pd.DataFrame(mymatrix,columns=['药品名称', '药品销售额', '药品销售额占比'])
xlxs_title_rank10 = pd.DataFrame(mymatrix[:10],columns=['药品名称', '药品销售额', '药品销售额占比'])
#存入excel
xlxs_title.to_excel(path+r'\第二题\各药品的销售额占比.xlsx', sheet_name='各药品的销售额占比')
xlxs_title_rank10.to_excel(path+r'\第二题\销售额占比最高的 10 个药品.xlsx', sheet_name='销售额占比最高的 10 个药品')

#饼状图
plt.figure(figsize=(16,8),dpi=150)
plt.rcParams['font.sans-serif'] = 'Simhei'
plt.pie(titleSoldSum[:10],autopct='%.2f%%',labels=titleName[:10],pctdistance=0.9)
plt.title('各药品的销售额占比最高的 10 个药品')
plt.savefig(path+'\第二题'+'\各药品的销售额占比最高的 10 个药品.jpg')

#画条形图
plt.figure(figsize=(8,8))
plt.barh(titleName[:10][::-1],titleSoldSum[:10][::-1],alpha=0.3)
plt.title('药品销售总额占比前十')
plt.savefig(path+'\第二题'+'\药品销售总额占比前十横条形图'+'.jpg')

# 绘制这 10 个药品每月销售额曲线图。
for i in range(10):
    titleMaxSum = title_groups.get_group(titleName[i])# 10个药品分组
    MaxSum_t = titleMaxSum.sort_values('date_time')#按时间排序
    MaxSum_t = MaxSum_t.groupby('date_time')#按时间分组
    one_date = []
    one_date_sold_sum = []
    for date,group in MaxSum_t:
        one_date.append(date)
        one_date_sold_sum.append(group[["sold_sum"]].sum())
    plt.figure(figsize=(16,10),dpi=150)
    plt.xlabel('时间')
    plt.ylabel('销售额')
    plt.plot(one_date,one_date_sold_sum)
    plt.title(titleName[i]+'销售曲线图')
    name = path+'\第二题'+'\销售第'+str(i+1)+'药店每月销售额曲线图.jpg'
    #print(name)
    plt.savefig(name)

3．对所有药品品牌进行分析，一共包含多少个品牌，各品牌的销售额占比如何？给出销售额占比最高的 10 个品牌，并分析这 10 个品牌销售较好的原因？

print(data.columns)

Index(['date_time', 'id', 'shop_name', 'title', 'sku_name', 'price', 'sold',
       'discount', 'brand', 'parameter', 'sold_sum', 'pre_sold_sum'],
      dtype='object')

# 一共包含多少个品牌
brand_groups = data.groupby('brand')
print("一共包含",len(brand_groups),"个品牌")

一共包含 465 个品牌

#各品牌的销售额占比如何
brandName = []
brandSoldSum = []
for name,group in brand_groups:
    brandName.append(name)
    brandSoldSum.append(group.sold_sum.sum())
    #print(name," 销售额:",group.sold_sum.sum()," 元") ##有精度问题

# 按品牌销售额排序
x = dict(zip(brandName,brandSoldSum))
c=sorted(x.items(),key = lambda x: x[1],reverse=True)
brandName = [x[0] for x in c]
brandSoldSum = [x[1] for x in c]
print(brandName[:10],brandSoldSum[:10])

['elevit/爱乐维', 'FANCL HealthScience', 'BY－HEALTH/汤臣倍健', 'CENTRUM/善存', 'BLACKMORES/澳佳宝', 'Nature Made', '养生堂', 'FANCL', 'D－Cal/迪巧', 'vitafusion'] [34490860.0, 15642299.0, 15259531.0, 13470389.0, 2568520.0, 2123870.8, 1802496.8, 1708335.9, 1445422.2, 1142189.8]

#各品牌的销售额占比
#给出销售额占比最高的 10 个品牌
brandSoldSumtotal = sum(brandSoldSum)
brandSoldSumPercent = [x/brandSoldSumtotal for x in brandSoldSum]
#print(titleSoldSumPercent)
mylist = [brandName,brandSoldSum,brandSoldSumPercent]
mymatrix = np.mat(mylist)
mymatrix = mymatrix.T
xlxs_title = pd.DataFrame(mymatrix,columns=['品牌名称', '品牌销售额', '品牌销售额占比'])
xlxs_title_rank10 = pd.DataFrame(mymatrix[:10],columns=['品牌名称', '品牌销售额', '品牌销售额占比'])
#存入excel
xlxs_title.to_excel(path+r'\第三题\各品牌的销售额占比.xlsx', sheet_name='各品牌的销售额占比')
xlxs_title_rank10.to_excel(path+r'\第三题\销售额占比最高的 10 个品牌.xlsx', sheet_name='销售额占比最高的 10 个品牌')

#画条形图
plt.figure(figsize=(8,8))
plt.barh(brandName[:10][::-1],brandSoldSumPercent[:10][::-1],alpha=0.3)
plt.title('药品品牌销售总额占比前十')
plt.savefig(path+'\第三题'+'\药品品牌销售总额占比前十要点横条形图'+'.jpg')

#并分析这 10 个品牌销售较好的原因？
#价格上
mylist = [brandName,brandSoldSum,brandSoldSumPercent]
mymatrix = np.mat(mylist)
mymatrix = mymatrix.T
#print(mymatrix[:10])

# 计算平均售价，前10的价格基本高于平均价格
mean_price = [brand_groups.get_group(brandName[i]).sold_sum.sum()/brand_groups.get_group(brandName[i]).sold.sum() for i in range(len(brand_groups))]
mean_mean_price = sum(mean_price)/len(mean_price)

# for i in range(10):
#     print(brandName[i],"平均售价：",mean_price[i],"元")
#画条形图
y_plot_1 = [ mean_mean_price for i in range(10)] #价格平均线
#y_plot_2 = [ max(mean_price) for i in range(10)] #价格最高线
#print(y_plot)
plt.figure(figsize=(10,8),dpi=150)
plt.barh(brandName[:10][::-1],mean_price[:10][::-1],alpha=0.3)
plt.plot(y_plot_1,brandName[:10],color='blueviolet', marker='D', linestyle='-.',label='所有药品的平均价格')
#plt.plot(y_plot_2,brandName[:10],color='blue', marker='o', linestyle='-',label='所有药品的平均价格')
plt.title('药品品牌销售总额占比前十的平均售价')
plt.legend()  # 显示图例
plt.savefig(path+'\第三题'+'\药品品牌销售总额占比前十的平均售价横条形图'+'.jpg')

可以看出销售额最高的10个药品品牌它们的平均价格普遍高于所有商品的平均价格，商品单价偏贵，会使总销售额也偏高。

#计算各个店各个折扣占比
subdf=[]
for i in range(len(brand_groups)):
    condition_8_5 = brand_groups.get_group(brandName[i])["discount"] == 8.5
    condition_9 = brand_groups.get_group(brandName[i])["discount"] == 9
    condition_9_5 = brand_groups.get_group(brandName[i])["discount"] == 9.5
    condition_10 = brand_groups.get_group(brandName[i])["discount"] == 10
    subdf_8_5 = brand_groups.get_group(brandName[i])[condition_8_5]
    subdf_9 = brand_groups.get_group(brandName[i])[condition_9]
    subdf_9_5 = brand_groups.get_group(brandName[i])[condition_9_5]
    subdf_10 = brand_groups.get_group(brandName[i])[condition_10]
    subdf.append([len(subdf_8_5)/len(brand_groups.get_group(brandName[i])),
             len(subdf_9)/len(brand_groups.get_group(brandName[i])),
             len(subdf_9_5)/len(brand_groups.get_group(brandName[i])),
             len(subdf_10)/len(brand_groups.get_group(brandName[i]))])
  

#折扣比较
# 前10折扣占比，后10折扣占比
# print(np.sum(subdf[:10],axis = 0)/10) ##平均折扣更低
# print("----------",len(subdf),"------------")
# print(np.sum(subdf,axis = 0)/len(subdf))


#折线图
names = ['8.5折', '9折', '9.5折', '原价']
x = range(len(names))
 
y_1 = np.sum(subdf[:10],axis = 0)/10 #销售额前10的品牌的平均折扣
y_2 = np.sum(subdf,axis = 0)/len(subdf)  #所有品牌的平均折扣
 
plt.figure(figsize=(10,8),dpi=150)
plt.rcParams['font.sans-serif'] = ['SimHei']  # 显示汉字

plt.plot(x, y_1, color='orangered', marker='o', linestyle='-', label='销售额前10的品牌的平均折扣')
plt.plot(x, y_2, color='blueviolet', marker='D', linestyle='-.', label='所有品牌的平均折扣')
plt.legend()  # 显示图例
plt.xticks(x, names, rotation=45)
plt.xlabel("不同折扣")  # X轴标签
plt.ylabel("折扣占比")  # Y轴标签
plt.title("销售额前10的品牌和所有品牌的平均折扣比较")
plt.savefig(path+'\第三题'+'\销售额前10的品牌和所有品牌的平均折扣比较'+'.jpg')

销售额前十的品牌的折扣力度更大，低折扣的商品比例更高。

4.预测天猫维生素类药品未来三个月的销售总额并绘制拟合曲线，评估模型性能和误差。

# 首先先筛选出天猫店铺维生素类的对应商品
need_str = "天猫"
condition_need_str = data.shop_name.str.contains(need_str) 
tianmao_data = data[condition_need_str]
print(len(tianmao_data))

13279

#根据时间进行分组
tianmao_data['date_time'] = pd.to_datetime(tianmao_data['date_time'])  #转化数据类型
tianmao_data_t = tianmao_data.sort_values('date_time') #按时间排序
tianmao_data_t = tianmao_data_t.groupby('date_time')   #按时间分组
one_date = []
one_date_sold_sum = []
float_date = []
three_date = []
three_month_date_sold_sum = []
i=1
for date,group in tianmao_data_t:
    one_date.append(date)
    float_date.append(i)
    i=i+1
    one_date_sold_sum.append(group[["sold_sum"]].sum())
float_date = float_date + [25,26,27]

# Randomforest 回归
#训练模型
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_absolute_error
from sklearn.metrics import mean_squared_error
from sklearn.metrics import r2_score
import math 
model_rf = RandomForestRegressor()
x_train = np.array(float_date[:24]).reshape(-1, 1) 
y_train = one_date_sold_sum 
model_rf.fit(x_train,y_train) #训练集和训练集标签
print("Randomforest 回归")

#模型评估
x_test = np.array(float_date[:24]).reshape(-1, 1)
y_true = one_date_sold_sum 
y_pred = model_rf.predict(x_test)
MAE_score = mean_absolute_error(y_true, y_pred)
MSE_score = mean_squared_error(y_true, y_pred)
RMSE_score = math.sqrt(mean_squared_error(y_true, y_pred))
R2_score = r2_score(y_true, y_pred)
print("平均绝对误差：",MAE_score)      #平均绝对误差，能更好地反映预测值误差的实际情
print("均方误差：",MSE_score )     #均方误差，观测值与真值偏差的平方和，反应预测结果的精确度。
print("MSE的算术平方根：",RMSE_score )   #MSE的算术平方根，用来衡量观测值和真值之间的偏差。
                                    #（开根号之后，误差的结果就与真值在同一个级别）
print("R方 得分：",R2_score)       #介于0-1之间，越接近1，回归拟合效果越好

#模型预测
predict = model_rf.predict(np.array(float_date).reshape(-1, 1)).reshape(-1, 1)

#预测三个月 
predict_index= [pd.Timestamp("2022-01-01"),pd.Timestamp("2022-02-01"),pd.Timestamp("2022-03-01") ]
print(predict_index)
plt.figure(figsize=(10,5),dpi=150)
plt.plot(one_date,one_date_sold_sum,color='orangered', marker='o', linestyle='-',label = '销售额')
plt.plot(one_date,predict[:24],color='blueviolet', marker='D', linestyle='-.',label = '拟合值')
plt.plot(predict_index,predict[24:27],color='blue', marker='1', linestyle=':',label = '预期值')
plt.title( 'Randomforest_回归_天猫维生素药品销售月度曲线图')
plt.legend()
plt.savefig(path+'\第四题'+'\Randomforest_回归_天猫维生素药品销售月度曲线图'+'.jpg') 
print("天猫维生素类药品未来三个月的销售总额:",np.sum(predict[24:27]),"元")

Randomforest 回归
平均绝对误差： 2777745.7189583336
均方误差： 13429726433022.822
MSE的算术平方根： 3664659.115528049
R方 得分： 0.8775512518707029
[Timestamp('2022-01-01 00:00:00'), Timestamp('2022-02-01 00:00:00'), Timestamp('2022-03-01 00:00:00')]
天猫维生素类药品未来三个月的销售总额: 112676040.53999999 元

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression 
clf = LinearRegression()
rf = clf.fit (x_train, y_train) 
print("线性回归模型")
#模型评估
y_pred = rf.predict(x_test) 
MAE_score = mean_absolute_error(y_true, y_pred)
MSE_score = mean_squared_error(y_true, y_pred)
RMSE_score = math.sqrt(mean_squared_error(y_true, y_pred))
R2_score = r2_score(y_true, y_pred)
print("平均绝对误差：",MAE_score)      #平均绝对误差，能更好地反映预测值误差的实际情
print("均方误差：",MSE_score )     #均方误差，观测值与真值偏差的平方和，反应预测结果的精确度。
print("MSE的算术平方根：",RMSE_score )   #MSE的算术平方根，用来衡量观测值和真值之间的偏差。
                                    #（开根号之后，误差的结果就与真值在同一个级别）
print("R方 得分：",R2_score)       #介于0-1之间，越接近1，回归拟合效果越好

#模型预测
predict = rf.predict(np.array(float_date).reshape(-1, 1)).reshape(-1, 1)

#预测三个月 
predict_index= [pd.Timestamp("2022-01-01"),pd.Timestamp("2022-02-01"),pd.Timestamp("2022-03-01") ]
print(predict_index)
plt.figure(figsize=(10,5),dpi=150)
plt.plot(one_date,one_date_sold_sum,color='orangered', marker='o', linestyle='-',label = '销售额')
plt.plot(one_date,predict[:24],color='blueviolet', marker='D', linestyle='-.',label = '拟合值')
plt.plot(predict_index,predict[24:27],color='blue', marker='1', linestyle=':',label = '预期值')
# plt.plot(x, y_1, color='orangered', marker='o', linestyle='-', label='销售额前10的品牌的平均折扣')
# plt.plot(x, y_2, color='blueviolet', marker='D', linestyle='-.', label='所有品牌的平均折扣')

# plt.xticks(one_date+predict_index,rotation=45)
plt.title( '线性回归模型_天猫维生素药品销售月度曲线图')
plt.legend()
plt.savefig(path+'\第四题'+'\线性回归模型_天猫维生素药品销售月度曲线图'+'.jpg') 
print("天猫维生素类药品未来三个月的销售总额:",np.sum(predict[24:27]),"元")

线性回归模型
平均绝对误差： 5190549.657542271
均方误差： 50950486891724.46
MSE的算术平方根： 7137960.975777639
R方 得分： 0.53544672949339
[Timestamp('2022-01-01 00:00:00'), Timestamp('2022-02-01 00:00:00'), Timestamp('2022-03-01 00:00:00')]
天猫维生素类药品未来三个月的销售总额: 108163559.05521739 元

from sklearn.svm import LinearSVR
linearsvr = LinearSVR()
rf = linearsvr.fit (x_train, y_train) 
print("SVR回归模型")
#模型评估
y_pred = rf.predict(x_test) 
MAE_score = mean_absolute_error(y_true, y_pred)
MSE_score = mean_squared_error(y_true, y_pred)
RMSE_score = math.sqrt(mean_squared_error(y_true, y_pred))
R2_score = r2_score(y_true, y_pred)
print("平均绝对误差：",MAE_score)      #平均绝对误差，能更好地反映预测值误差的实际情
print("均方误差：",MSE_score )     #均方误差，观测值与真值偏差的平方和，反应预测结果的精确度。
print("MSE的算术平方根：",RMSE_score )   #MSE的算术平方根，用来衡量观测值和真值之间的偏差。
                                    #（开根号之后，误差的结果就与真值在同一个级别）
print("R方 得分：",R2_score)       #介于0-1之间，越接近1，回归拟合效果越好

#模型预测
predict = rf.predict(np.array(float_date).reshape(-1, 1)).reshape(-1, 1)

#预测三个月 
predict_index= [pd.Timestamp("2022-01-01"),pd.Timestamp("2022-02-01"),pd.Timestamp("2022-03-01") ]
print(predict_index)
plt.figure(figsize=(10,5),dpi=150)
plt.plot(one_date,one_date_sold_sum,color='orangered', marker='o', linestyle='-',label = '销售额')
plt.plot(one_date,predict[:24],color='blueviolet', marker='D', linestyle='-.',label = '拟合值')
plt.plot(predict_index,predict[24:27],color='blue', marker='1', linestyle=':',label = '预期值')
# plt.plot(x, y_1, color='orangered', marker='o', linestyle='-', label='销售额前10的品牌的平均折扣')
# plt.plot(x, y_2, color='blueviolet', marker='D', linestyle='-.', label='所有品牌的平均折扣')

# plt.xticks(one_date+predict_index,rotation=45)
plt.title( 'SVR回归模型_天猫维生素药品销售月度曲线图')
plt.legend()
plt.savefig(path+'\第四题'+'\SVR回归模型_天猫维生素药品销售月度曲线图'+'.jpg') 
print("天猫维生素类药品未来三个月的销售总额:",np.sum(predict[24:27]),"元")

SVR回归模型
平均绝对误差： 21105432.770833332
均方误差： 555083775241989.8
MSE的算术平方根： 23560215.942176543
R方 得分： -4.061109302877062
[Timestamp('2022-01-01 00:00:00'), Timestamp('2022-02-01 00:00:00'), Timestamp('2022-03-01 00:00:00')]
天猫维生素类药品未来三个月的销售总额: 23472.0 元


D:\Python\lib\site-packages\sklearn\utils\validation.py:993: DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel().
  y = column_or_1d(y, warn=True)

from sklearn.ensemble import GradientBoostingRegressor
clf = GradientBoostingRegressor()
rf = clf.fit (x_train, y_train) 
print("梯度提升回归模型")
#模型评估
y_pred = rf.predict(x_test) 
MAE_score = mean_absolute_error(y_true, y_pred)
MSE_score = mean_squared_error(y_true, y_pred)
RMSE_score = math.sqrt(mean_squared_error(y_true, y_pred))
R2_score = r2_score(y_true, y_pred)
print("平均绝对误差：",MAE_score)      #平均绝对误差，能更好地反映预测值误差的实际情
print("均方误差：",MSE_score )     #均方误差，观测值与真值偏差的平方和，反应预测结果的精确度。
print("MSE的算术平方根：",RMSE_score )   #MSE的算术平方根，用来衡量观测值和真值之间的偏差。
                                    #（开根号之后，误差的结果就与真值在同一个级别）
print("R方 得分：",R2_score)       #介于0-1之间，越接近1，回归拟合效果越好

#模型预测
predict = rf.predict(np.array(float_date).reshape(-1, 1)).reshape(-1, 1)

#预测三个月 
predict_index= [pd.Timestamp("2022-01-01"),pd.Timestamp("2022-02-01"),pd.Timestamp("2022-03-01") ]
print(predict_index)
plt.figure(figsize=(10,5),dpi=150)
plt.plot(one_date,one_date_sold_sum,color='orangered', marker='o', linestyle='-',label = '销售额')
plt.plot(one_date,predict[:24],color='blueviolet', marker='D', linestyle='-.',label = '拟合值')
plt.plot(predict_index,predict[24:27],color='blue', marker='1', linestyle=':',label = '预期值')
# plt.plot(x, y_1, color='orangered', marker='o', linestyle='-', label='销售额前10的品牌的平均折扣')
# plt.plot(x, y_2, color='blueviolet', marker='D', linestyle='-.', label='所有品牌的平均折扣')

# plt.xticks(one_date+predict_index,rotation=45)
plt.title( '梯度提升回归模型_天猫维生素药品销售月度曲线图')
plt.legend()
plt.savefig(path+'\第四题'+'\梯度提升回归模型_天猫维生素药品销售月度曲线图'+'.jpg') 
print("天猫维生素类药品未来三个月的销售总额:",np.sum(predict[24:27]),"元")

梯度提升回归模型
平均绝对误差： 361460.3858704494
均方误差： 179893783711.1987
MSE的算术平方根： 424138.87314321793
R方 得分： 0.9983597753296364
[Timestamp('2022-01-01 00:00:00'), Timestamp('2022-02-01 00:00:00'), Timestamp('2022-03-01 00:00:00')]
天猫维生素类药品未来三个月的销售总额: 138320533.86076027 元

from sklearn.tree import ExtraTreeRegressor 
clf = ExtraTreeRegressor()
rf = clf.fit (x_train, y_train) 
print("极限树回归模型")
#模型评估
y_pred = rf.predict(x_test) 
MAE_score = mean_absolute_error(y_true, y_pred)
MSE_score = mean_squared_error(y_true, y_pred)
RMSE_score = math.sqrt(mean_squared_error(y_true, y_pred))
R2_score = r2_score(y_true, y_pred)
print("平均绝对误差：",MAE_score)      #平均绝对误差，能更好地反映预测值误差的实际情
print("均方误差：",MSE_score )     #均方误差，观测值与真值偏差的平方和，反应预测结果的精确度。
print("MSE的算术平方根：",RMSE_score )   #MSE的算术平方根，用来衡量观测值和真值之间的偏差。
                                    #（开根号之后，误差的结果就与真值在同一个级别）
print("R方 得分：",R2_score)       #介于0-1之间，越接近1，回归拟合效果越好

#模型预测
predict = rf.predict(np.array(float_date).reshape(-1, 1)).reshape(-1, 1)

#预测三个月 
predict_index= [pd.Timestamp("2022-01-01"),pd.Timestamp("2022-02-01"),pd.Timestamp("2022-03-01") ]
print(predict_index)
plt.figure(figsize=(10,5),dpi=150)
plt.plot(one_date,one_date_sold_sum,color='orangered', marker='o', linestyle='-',label = '销售额')
plt.plot(one_date,predict[:24],color='blueviolet', marker='D', linestyle='-.',label = '拟合值')
plt.plot(predict_index,predict[24:27],color='blue', marker='1', linestyle=':',label = '预期值')
# plt.plot(x, y_1, color='orangered', marker='o', linestyle='-', label='销售额前10的品牌的平均折扣')
# plt.plot(x, y_2, color='blueviolet', marker='D', linestyle='-.', label='所有品牌的平均折扣')

# plt.xticks(one_date+predict_index,rotation=45)
plt.title( '极限树回归模型_天猫维生素药品销售月度曲线图')
plt.legend()
plt.savefig(path+'\第四题'+'\极限树回归模型_天猫维生素药品销售月度曲线图'+'.jpg') 
print("天猫维生素类药品未来三个月的销售总额:",np.sum(predict[24:27]),"元")

极限树回归模型
平均绝对误差： 0.0
均方误差： 0.0
MSE的算术平方根： 0.0
R方 得分： 1.0
[Timestamp('2022-01-01 00:00:00'), Timestamp('2022-02-01 00:00:00'), Timestamp('2022-03-01 00:00:00')]
天猫维生素类药品未来三个月的销售总额: 139039092.0 元

from sklearn.ensemble import AdaBoostRegressor 
clf = AdaBoostRegressor()
rf = clf.fit (x_train, y_train) 
print("AdaBoost回归模型")
#模型评估
y_pred = rf.predict(x_test) 
MAE_score = mean_absolute_error(y_true, y_pred)
MSE_score = mean_squared_error(y_true, y_pred)
RMSE_score = math.sqrt(mean_squared_error(y_true, y_pred))
R2_score = r2_score(y_true, y_pred)
print("平均绝对误差：",MAE_score)      #平均绝对误差，能更好地反映预测值误差的实际情
print("均方误差：",MSE_score )     #均方误差，观测值与真值偏差的平方和，反应预测结果的精确度。
print("MSE的算术平方根：",RMSE_score )   #MSE的算术平方根，用来衡量观测值和真值之间的偏差。
                                    #（开根号之后，误差的结果就与真值在同一个级别）
print("R方 得分：",R2_score)       #介于0-1之间，越接近1，回归拟合效果越好

#模型预测
predict = rf.predict(np.array(float_date).reshape(-1, 1)).reshape(-1, 1)

#预测三个月 
predict_index= [pd.Timestamp("2022-01-01"),pd.Timestamp("2022-02-01"),pd.Timestamp("2022-03-01") ]
print(predict_index)
plt.figure(figsize=(10,5),dpi=150)
plt.plot(one_date,one_date_sold_sum,color='orangered', marker='o', linestyle='-',label = '销售额')
plt.plot(one_date,predict[:24],color='blueviolet', marker='D', linestyle='-.',label = '拟合值')
plt.plot(predict_index,predict[24:27],color='blue', marker='1', linestyle=':',label = '预期值')
# plt.plot(x, y_1, color='orangered', marker='o', linestyle='-', label='销售额前10的品牌的平均折扣')
# plt.plot(x, y_2, color='blueviolet', marker='D', linestyle='-.', label='所有品牌的平均折扣')

# plt.xticks(one_date+predict_index,rotation=45)
plt.title( 'AdaBoost回归模型_天猫维生素药品销售月度曲线图')
plt.legend()
plt.savefig(path+'\第四题'+'\AdaBoost回归模型_天猫维生素药品销售月度曲线图'+'.jpg') 
print("天猫维生素类药品未来三个月的销售总额:",np.sum(predict[24:27]),"元")

AdaBoost回归模型
平均绝对误差： 2660677.155537749
均方误差： 15678207395225.611
MSE的算术平方根： 3959571.6176406774
R方 得分： 0.8570501880264472
[Timestamp('2022-01-01 00:00:00'), Timestamp('2022-02-01 00:00:00'), Timestamp('2022-03-01 00:00:00')]
天猫维生素类药品未来三个月的销售总额: 139039092.0 元

相比较线性回归模型、梯度提升回归模型，随机森林回归模型的拟合程度更高，性能更好、误差更小。

5. 一家药企计划将新的维生素品牌进行网络销售，聘请你当企 业的顾问，请你设计一份不超过两页纸的电商经营策略。

电商经营策略
价格上
在线上市场中，消费者对于产品价格的感知相比线下变得更加敏感。传统线下的交易环境中，消费者由于空间地域的限制，在有限的时间内能够接触到的商家及产品有限，要在获得多个产品价格之后再进行购买所付出的成本较大。但在电子商务环境中，由于产品都集中在一个统一的线上市场中，大量的完全同质或差别微小的产品同时出现在消费者面前，消费者的选择空间扩大，在购买的过程中，可以在短时间内就完成对多个店铺内同类产品的对比，在质量相差无几的情况下，价格偏低的产品自然更能赢得消费者的青睐。所以电商企业可以通过压低价格，采取薄利多销的营销方式来进行赢利。
折扣上
经营者可以先把价格定高一些，再在高价格的基本上减低价格，类似于打折。消费者看到价格由高降到低，购买的欲望增强，店铺销量就会增加。比如说在众多节日上或者网店周年庆就可以用到这一策略，一件商品原来定价300元，随后降到250，再降到200，消费者会认为可以以较低的价格买到相同质量的商品，何乐而不为。再来还可以制定新的规定，比如说买两件打九五折，买三件打九折等等。
质量上
电商企业要以提升消费者满意度为目标，从设计、生产、售后等环节多点发力以提升产品质量，通过品牌化、口碑化战略增强客户粘性。首先，在产品设计环节，电商企业要尽可能进一步细分市场，在设计中紧密结合消费者的“痛点”，尽可能满足不同类型消费者的消费需求。其次，在生产制造环节，电商企业要借助大数据、云计算、人工智能等数字化技术或手段实现柔性化生产、个性化定制，在准确把握市场需求的基础上严把每一环节的质量关。最后，在售后服务环节，电商企业要树立顾客第一的原则，实行产品质量先行负责制，缩短售后服务时间、提升服务效率，进而提高消费者对产品的满意度。
品牌口碑上
电子商务的数字化、网络化、虚拟化特性使得消费者之间的口碑传播更加即时与方便，这对企业的经营绩效也会产生明显影响。具体体现在，除了消费者在线下交流使用或体验的感受外，线上的电商平台均有售后评价系统，消费者可以在消费或体验之后对产品或服务给出评分，并遵循自己意愿作出评价。这些评分与评价反映出来的产品口碑在电子商务平台上公开呈现，为后续的消费者在购买时提供了有价值的参考。在这种情况下，打造并维持良好产品口碑的重要性显而易见。企业要更加注重消费者的购物体验，保持与消费者的深度互动，及时了解消费者的购物偏好及使用体验，在下单交易、售后服务等多个环节不断提升服务质量，通过提升消费者对产品乃至品牌的好感度的方式来获取稳定的客户流量，增强客户粘性。
网络营销上
提升广告精确度。在大数据环境下，电商平台精准营销策略运用的是先进的大数据技术，能够实现对广大平台消费者用户日常行为相关信息的收集整理分析，明确定位市场消费者不同的购物需求和购物行为特征，从而有针对性地制定推送相关产品广告内容，加大该类型产品的服务信息宣传推广，促使消费者增加购买兴趣和欲望。这样一来，就可以有效提升电商平台营销广告的精准度。
提升广告精确度。消费者让渡价值实质是总价值与消费总成本之间的差额，而消费总成本所包含的内容是消费产品或者体验服务时所实际支付的货币和时间。市场消费者在选择运用让渡价值方式时，能够确保最大程度降低消费总成本，并提升对应的价值。而大数据下的精准营销方式，能够帮助电商平台实现差异化服务工作目标，有效提升电商平台各项商品与服务的适应性，赢得更多消费者用户的认可和支持，同时还可以提高产品和服务的总价值，降低企业产品与服务交易的总成本，帮助消费者在最短时间内购买到自己理想的产品和服务。
参考文献
[1] 李思瑜. 服装网店经营策略探讨[J]. 中小企业管理与科技,2015(7):55-56. DOI:10.3969/j.issn.1673-1069.2015.07.038.
[2]马述忠,郭继文. “价格取胜"还是"口碑至上” ——基于产品质量视角的电商企业营销策略研究[J]. 财经问题研究,2021(3):112-120. DOI:10.19654/j.cnki.cjwtyj.2021.03.013.
[3]曲红萌. 大数据时代下电商精准营销策略[J]. 现代营销,2021(15):88-89. DOI:10.19932/j.cnki.22-1256/F.2021.04.088.

四、后记

其实也不难，就是练练pandas、numpy、sklearn，不会就百度。

五、下载

CSDN资源 :题目、数据、程序、论文、结果数据
百度网盘：题目、数据、程序、论文、结果数据 提取码：8l4f
论文
结果数据