数据分析基础 课件 7.5 基于餐饮订单数据的销售额预测分析.pdf

任务7.5基于餐饮订单数据的

销售额预测分析

1任务描述

2任务实施

基于sklearn的数据分析实战

7.5基于餐饮订单数据的销售额

预测分析

【任务描述】

随着互联网的普及与发展，餐饮行业成为线上互联网连接线下的最大入口。

餐饮行业作为传统行业，为了提高订单量和降低成本，对某餐厅订单数据的

销售额进行预测分析。

基于sklearn的数据分析实战

【任务实施】

•（1）导入餐饮订单原始数据并合并成一个大数据集。代码如下所示:

In[25]:importpandasaspd

data1pd.read_table(D:\Anaconda\order1.csv,sep,,encodinggbk)

data2pd.read_table(D:\Anaconda\order2.csv,sep,,encodinggbk)

data3pd.read_table(D:\Anaconda\order3.csv,sep,,encodinggbk)

concat_datapd.concat(data1,data2,data3,axis0)

cont_data.head()

Out[25]:

基于sklearn的数据分析实战

【任务实施】

•（2）删除无用列。代码如下所示:

In[26]:concat_data.dropna(axis1,inplaceTrue)

Out[26]:

基于sklearn的数据分析实战

【任务实施】

•（3）预处理价格计算；同时预处理订单日期与实际日期相对应

。代码如下所示:

In[27]:concat_data[price]concat_data[counts]*concat_data[amounts]

#订餐日期与星期相对应

indpd.DatetimeIndex(concat_data[place_order_time])

concat_data[weekday_name’]ind

concat_data[day]pd.DatetimeIndex(concat_data[place_order_time]).day

基于sklearn的数据分析实战

【任务实施】

•（4）分析销售额随时间变化的趋势。代码如下所示:

In[28]:importnumpyasnp

importmatplotlib.pyplotasplt

data_gbconcat_data[[day,price]].groupby(byday)

numberdata_gb.agg(np.sum)

plt.figure(figsize(10,7))#设置给图窗口

plt.rcParams[font.sans-serif]SimHei#中文字体

plt.scatter(range(1,32),number,markerD)

plt.plot(range(1,3a2),np.array(number),colory)

plt.title(2016年8月餐饮销售额趋势示图)

plt.ylabel(销售额)

plt.xticks(range(1,32)[::7],range(1,32)[::7])

plt.te