目录
-
- 一： 背景：
- 二：数据概况分析：
- 三：单变量分析：
- 四：相关性分析和可视化：
- 五：回归分析：
1： 分析的目的：
对各类因素投入产出比做出评估。
2： 分析的数据：
电视广告，线上，线下，门店内，微信渠道等促销投入和销售额之间的关系。
3：数据的说明：
4： 分析流程:
1：查看数据的前5条记录：
2：查看数据的基本信息：
3：统计各个列哪些存在空值，以及空值的数量：
由于缺失的不多，后期考虑直接删除。
1：数据分布信息：
各个列的最大值，平均值，中位数，众数等。
2：使用describe不会统计字符串类型的，所以单独查看event列：
发现分为四种促销：
3： 查看四种促销分别对应的营业额是多少?
4：查看四种促销分别对应的广告投放量是多少?
5：one hot 编码：独热码：
注意：对于person来说这种字符串类型的，我们要进行线性分析，肯定要转化成数字。如果我们使用0 1 2 3 来区分四种，实际上就是付给每个列一个权重，而这些权重会影响我们的分析。所以是不可取的。
独热码是用向量来存储列，每列的值就是相等的：
而pandas中可以使用get_dummies方法，将其中的字符串类型的列，转化成哑变量，即独热码的形式存储。
1： 查看每个列之间的相关性：
注意：此时求出来的相关性，并不代表一定相关。是否真正的相关，需要我们根据这几个列，构建线性回归模型，进行训练，然后得到权重，我们才能得出结论。
2：查看与revenue相关的列的排序：
注意sort_values只有一列也需要指定按照哪一列进行排序。
3：使用seaborn查看local_TV与销售额之间的关系：
#可视化分析
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
#线性关系可视化
#斜率与相关系数有关
sns.regplot('local_tv','revenue',store)
发现：local_TV与销售额之间存在一次线性关系。
4： 查看人员和销售额之间的关系：
5： 查看instore(门店内海报)与限售额之间的关系：
发现是牵强的一次性关系。
1: 去除空值，然后划分测试集和训练集：
# 1：导入线性回归分析的包和划分测试集和训练集的包
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
# 2：去除存在空值的行
store.dropna(inplace=True)
y = store['revenue']
x=store[['local_tv','person','instore']]
# 3: 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(x, y)
2：进行归一化和线性模型进行拟合：
# 1: 导入归一化函数
from sklearn.preprocessing import StandardScaler
# 2：创建归一化对象
ss = StandardScaler()
# 3：对训练集进行归一化处理和训练
X_train = ss.fit_transform(X_train)
# 4： 对于测试集也进行归一化
X_test = ss.transform(X_test)
# 1：创建线性模型对象
model = LinearRegression()
# 2：利用训练集进行拟合
model.fit(X_train, y_train)
# 3：打印自变量系数
print(model.coef_)
# 4： 打印截距
print(model.intercept_)
打印结果：
# 1： 利用测试集进行测试
y_predict = model.predict(X_test)
from sklearn.metrics import mean_squared_error
from math import sqrt
# 2： 获取均方误差的开跟值
sqrt(mean_squared_error(y_true=y_test, y_pred=y_predict))