|
本文主要讲解“如何用Python爬虫预测今年双十一销量”。感兴趣的朋友不妨看看。本文介绍的方法简单、快速、实用。让边肖带你学习“如何用Python爬虫预测今年双十一的销量”！ 00-1010，我们从网上搜集了淘宝天猫双十一这几年的销售数据，单位是亿元。我们将它编译成熊猫的数据框架，并添加了一列“年国际”用于后续计算。 importpandasaspd #数据由网络收集，以亿元为单位的淘宝天猫双十一历年销售数据仅供演示。 double 11 _ sales={ ' 2009 ' :[0.50]， 2010′ :[9.36], 2011′ :[34], 2012′ :[191], 2013′ :[350], 2014′ :[571], 2015′ :[912], 2016′ :[1207], 2017′ :[1682], 2018′ :[2135], 2019′ :[2684], 2020′ :[4982], } df=pd。data frame(double 11 _ sales). t . reset _ index() Df.rename(列={'index’ :’ year '，0:’ sales’ }，inplace=True) Df[' year int’]=[[I] fori inlist(范围(1，len (df ['year’]) 1)] df . data frame tbodyttrth { 垂直对齐： top； } .dataframe thead th {
NO.2 绘制散点图利用 plotly 工具包，将年份对应销售量的散点图绘制出来，可以明显看到2020年的数据立马飙升。 # 散点图 import plotly as py import plotly.graph_objs as go import numpy as np year = df[:]['年份'] sales = df['销量'] trace = go.Scatter( x=year, y=sales, mode='markers' ) data = [trace] layout = go.Layout(title='2009年-2020年天猫淘宝双十一历年销量') fig = go.Figure(data=data, layout=layout) fig.show()
NO.3引入 Scikit-Learn 库搭建模型一元多次线性回归 我们先来回顾一下2009-2019年的数据多么美妙。先只选取2009-2019年的数据： df_2009_2019 = df[:-1] df_2009_2019 .dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
通过以下代码生成二次项数据： from sklearn.preprocessing import PolynomialFeatures poly_reg = PolynomialFeatures(degree=2) X_ = poly_reg.fit_transform(list(df_2009_2019['年份int'])) 1.第一行代码引入用于增加一个多次项内容的模块 PolynomialFeatures 2.第二行代码设置最高次项为二次项，为生成二次项数据（x平方）做准备 3.第三行代码将原有的X转换为一个新的二维数组X_，该二维数据包含新生成的二次项数据（x平方）和原有的一次项数据（x） X_ 的内容为下方代码所示的一个二维数组，其中第一列数据为常数项（其实就是X的0次方），没有特殊含义，对分析结果不会产生影响；第二列数据为原有的一次项数据（x）；第三列数据为新生成的二次项数据（x的平方）。 X_ array([[ 1., 1., 1.], [ 1., 2., 4.], [ 1., 3., 9.], [ 1., 4., 16.], [ 1., 5., 25.], [ 1., 6., 36.], [ 1., 7., 49.], [ 1., 8., 64.], [ 1., 9., 81.], [ 1., 10., 100.], [ 1., 11., 121.]]) from sklearn.linear_model import LinearRegression regr = LinearRegression() regr.fit(X_,list(df_2009_2019['销量'])) LinearRegression() 1.第一行代码从 Scikit-Learn 库引入线性回归的相关模块 LinearRegression； 2.第二行代码构造一个初始的线性回归模型并命名为 regr； 3.第三行代码用fit() 函数完成模型搭建，此时的regr就是一个搭建好的线性回归模型。 NO.4 模型预测
接下来就可以利用搭建好的模型 regr 来预测数据。加上自变量是12，那么使用 predict() 函数就能预测对应的因变量有，代码如下： XX_ = poly_reg.fit_transform([[12]]) XX_ array([[ 1., 12., 144.]]) y = regr.predict(XX_) y array([3282.23478788]) 这里我们就得到了如果按照这个趋势2009-2019的趋势预测2020的结果，就是3282，但实际却是4982亿，原因就是上文提到的合并计算了，金额一下子变大了，绘制成图，就是下面这样： # 散点图 import plotly as py import plotly.graph_objs as go import numpy as np year = list(df['年份']) sales = df['销量'] trace1 = go.Scatter( x=year, y=sales, mode='markers', name="实际销量" # 第一个图例名称 ) XX_ = poly_reg.fit_transform(list(df['年份int'])+[[13]]) regr = LinearRegression() regr.fit(X_,list(df_2009_2019['销量'])) trace2 = go.Scatter( x=list(df['年份']), y=regr.predict(XX_), mode='lines', name="拟合数据", # 第2个图例名称 ) data = [trace1,trace2] layout = go.Layout(title='天猫淘宝双十一历年销量', xaxis_title='年份', yaxis_title='销量') fig = go.Figure(data=data, layout=layout) fig.show()
NO.5 预测2021年的销量既然数据发生了巨大的偏离，咱们也别深究了，就大力出奇迹。同样的方法，把2020年的真实数据纳入进来，二话不说拟合一样，看看会得到什么结果： from sklearn.preprocessing import PolynomialFeatures poly_reg = PolynomialFeatures(degree=5) X_ = poly_reg.fit_transform(list(df['年份int'])) ## 预测2020年 regr = LinearRegression() regr.fit(X_,list(df['销量'])) LinearRegression() XXX_ = poly_reg.fit_transform(list(df['年份int'])+[[13]]) # 散点图 import plotly as py import plotly.graph_objs as go import numpy as np year = list(df['年份']) sales = df['销量'] trace1 = go.Scatter( x=year+['2021年','2022年','2023年'], y=sales, mode='markers', name="实际销量" # 第一个图例名称 ) trace2 = go.Scatter( x=year+['2021年','2022年','2023年'], y=regr.predict(XXX_), mode='lines', name="预测销量" # 第一个图例名称 ) trace3 = go.Scatter( x=['2021年'], y=[regr.predict(XXX_)[-1]], mode='markers', name="2021年预测销量" # 第一个图例名称 ) data = [trace1,trace2,trace3] layout = go.Layout(title='天猫淘宝双十一历年销量', xaxis_title='年份', yaxis_title='销量') fig = go.Figure(data=data, layout=layout) fig.show()
NO.6多项式预测的次数到底如何选择在选择模型中的次数方面，可以通过设置程序，循环计算各个次数下预测误差，然后再根据结果反选参数。 df_new = df.copy() df_new['年份int'] = df['年份int'].apply(lambda x: x[0]) df_new .dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
# 多项式回归预测次数选择
# 计算 m 次多项式回归预测结果的 MSE 评价指标并绘图
from sklearn.pipeline import make_pipeline
from sklearn.metrics import mean_squared_error
train_df = df_new[:int(len(df)*0.95)]
test_df = df_new[int(len(df)*0.5):]
# 定义训练和测试使用的自变量和因变量
train_x = train_df['年份int'].values
train_y = train_df['销量'].values
# print(train_x)
test_x = test_df['年份int'].values
test_y = test_df['销量'].values
train_x = train_x.reshape(len(train_x),1)
test_x = test_x.reshape(len(test_x),1)
train_y = train_y.reshape(len(train_y),1)
mse = [] # 用于存储各最高次多项式 MSE 值
m = 1 # 初始 m 值
m_max = 10 # 设定最高次数
while m <= m_max:
model = make_pipeline(PolynomialFeatures(m, include_bias=False), LinearRegression())
model.fit(train_x, train_y) # 训练模型
pre_y = model.predict(test_x) # 测试模型
mse.append(mean_squared_error(test_y, pre_y.flatten())) # 计算 MSE
m = m + 1
print("MSE 计算结果: ", mse)
# 绘图
plt.plot([i for i in range(1, m_max + 1)], mse, 'r')
plt.scatter([i for i in range(1, m_max + 1)], mse)
# 绘制图名称等
plt.title("MSE of m degree of polynomial regression")
plt.xlabel("m")
plt.ylabel("MSE")
Text(0, 0.5, 'MSE')
从误差结果可以看到，次数取2到8误差基本稳定，没有明显的减少了，但其实你试试就知道，次数选择3的时候，预测的销量是6213亿元，次数选择5的时候，预测的销量是9029亿元，对于销售量来说，这个范围已经够大的了。我也就斗胆猜到9029亿元，我的胆量也就预测到这里了，破万亿就太夸张了，欢迎胆子大的同学留下你们的预测结果，让我们11月11日，拭目以待吧。 到此，相信大家对“怎么用Python爬虫预测今年双十一销售额”有了更深的了解，不妨来实际操作一番吧！这里是网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！ 内容来源网络，如有侵权，联系删除，本文地址：https://www./zhan/80629.html |
|
|
