大数据营销 课件 5.大数据处理实战.ppt

5.1.4 方差分析——销售渠道对销售额的贡献 2 参数说明如下： 1）“输入区域”与“输出区域”的参数说明请参照“回归分析”的案例。本案例的“输入区域”是“B2：F4”，也就是整个数据区域。 2）“分组方式”：提供“列”与“行”的选择，当同一类的数据位于同一行时勾选“行”复选框，位于同一列时勾选“列”复选框。以本案例为例，需要测量的是各类销售渠道对销售额的贡献，那么类别的数据应该是各销售渠道，而各销售渠道在数据表格中处于同一行，所以本例勾选“行”复选框。 3）如果输入区域的第一行或第一列包含标志，则选中“标志位于第一列”复选框。本案例中选择的数据区域不包含标志（即网店、实体店、经销商这些文字），所以不勾选。 4）“a”表示：显著性水平，一般为 0.05，即 95%的置信度。 在“方差分析：单因素方差分析”参数设置对话框中 进行参数设置。本案例的参数设置情况如图所示。 5.1.4 方差分析——销售渠道对销售额的贡献 3 按需完成参数设置后，单击“确定”按钮就会出现 如图的可视化效果。 5.1.4 方差分析——销售渠道对销售额的贡献 4 1）总结。总结表现为图 5-25 中的 SUMMARY 表格，包含每组数据（代表一个因素的一个水平）的观测数（样本数）、求和（合计）、平均（均值）和方差。例如本案例中“网店”是一个因素，所对应的数据共有 5 个，5 个数据相加的和是 1380，平均值也就是平均每年网店的销售额是 276 万元。为了更直观，将“行 1、行 2、行 3”替换为“网店、实体店、经销商”后如图所示。 5.1.4 方差分析——销售渠道对销售额的贡献 4 2）方差分析。方差分析返回标准的单因素方差分析表，包括离差平方和、自由度、均方、、验统计量 F、概率值、F 临界值，如图所示。其中“组间”就是影响销售额的因素（不同的销售渠道），“组内”就是误差，“总计”就是总和，“差异源”则是方差来源，“SS”是离差平方和，“df”是自由度，“MS”是均方，F 称为 F 比（检验统计量 F），“P-value”是概率值，“F crit”是拒绝域的临界值。 分析组内和组间离差平方和在总离差平方和中所占的比重，可以直观地看出各组数据（不同的销售渠道）对总体离差的贡献。通过比较检验统计量 F 的值与临界值，可以判定是否接受等均值的假设。 本案例中 F 统计值是 23.43599，大于 F 临界值 3.885294，所以本案例的方差分析结果不 接受等均值假设，即认为三种渠道的总体水平有明显的差异，对销售总额的贡献有显著差异。 5.2 Python入门 5.2.1 Python简介 5.2.2 开始使用Python 5.2.3 简单的Python程序 5.2.4 Python应用与案例 Python简介 开始使用 Python 简单的 Python 程序 Python 应用 案 例 在 2019 年 12 月份世界编程语言排行榜中，Python 排名第三，仅次于 Java 和 C 语言。 Python 不是一门新的编程语言，其在 1991 年就发行了第一个版本，2010 年后随着大数据和人工智能的兴起，Python 重新焕发生机。Python 是一门推崇“极简主义”的脚本编程语言， 不仅开源免费，简单易用，而且功能强大，阅读优秀的 Python 程序就像阅读一段英文，非专业人士也可以使用 Python。本章主要介绍 Python 的基本概况、安装使用和编程相关的基础知识，并通过案例进行简单实践。 5.2 Python入门 1 2 3 5.2.1 Python简介 Python 程序设计语言的创始人是荷兰数学和计算机科学研究学会的成员吉多·范罗·苏 姆（Guido Van Rossum）。 Python 的设计具有很强的可读性，相比其他语言经常使用英文关键字和一些标点符号，它具有独具特色的语法结构。 Python 提供了高效的高级数据结构 Python是一种怎样的语言？ Python 成为多数平台用于写脚本和快 速开发的编程语言 4 5.2.1 Python简介 Python的发展进程 1990 2000年5月 2000年10月 2008年10月 2021年10月 Python的特点 5.2.2 开始使用Python 5.2.2 开始使用Python 5.2.2 5.2.2 开始使用Python 1. Python 安装包可直接从官网下载，地址为 / downloads/。 下载与个人计算机系统要求一致的版本 初次使用 Python 时建议直接下载 embeddable zip file 单击下载链接即可下载得到 Python-3.8.1-amd64.exe，然后双击该.exe 程序，正式开