点击 蘑菇云创造 关注我们
第十一课 冰淇淋销量预测
写在前面
Hello，大家好，《Python编程入门系列课程》目前已连更了11课时（共12课时），即将完结。非常感谢一直在关注和学习该系列教程的老师、同学们。
希望大家在学习的同时，也多多为该系列课程提出宝贵建议，我们定当对大家提出的意见和想法进行仔细评估和采纳，后续将继续为大家提供更多系统化的教程和优质的课程~
动动小手扫码，说出您的想法哈
扫一扫
一、学习背景
经过上节课的学习，我们了解了数据处理的一般过程，也学习了数据采集和数据整理。本节课，我们依旧将结合python对数据进行处理与分析，来解决生活中的一些实际问题。
二、学习目标
本实践项目通过编写python程序来预测在一定温度下店铺冰淇淋的销量。
知识目标：
1、理解数据分析
2、掌握回归分析法
技能目标：
1、掌握利用软件工具对数据进行处理的方法
三、学习准备
1、电脑
2、mind+编程软件
核心概念
1）数据分析
数据分析是指用适当的计算方法与工具对收集来的数据进行处理，提取有用信息，形成结论从而支持决策。数据分析可以分为描述性分析、诊断性分析、预测性分析、指导性分析。
2）回归分析法
回归分析法是预测性分析的一种，主要用于比较那些通过不同计量测得的变量之间的相互影响，如价格变动与促销活动数量之间的联系。这些益处有利于市场研究人员，数据分析人员以及数据科学家排除和衡量出一组最佳的变量，用以构建预测模型。
3）回归与回归算法
回归是一种由果索因的过程，即由大量事实所呈现的状态，设法去推断其原因。回归算法一般用于确定两种或两种以上变量之间的定量关系。
例如，在物理实验中，探究小车随时间变化规律这个任务就能通过回归来解决。
在这个实验中，我们依据给出的数据表格，在Excel表格工具中绘制了一副散点图，并添加了一条趋势线来观察这些点的分布特点。
从图中我们可以看到速度和时间的关系表达式为y=2.48x+0.38，R平方值表示线性趋势线对数据拟合的程度，R平方值的值越接近1，代表图像越趋近于真实情况，预测效果越好。那么我们生成这样一个图表的目的是什么呢？
这个实验中探究的是速度和时间的两个变量之间的定量关系，确定此关系后，可以根据需要推测出时间为某一个数值时的速度大小。这种找趋势的方式，也称之为拟合。
拟合是一种数据处理的方式，简单地说就是你有一组数据，觉得这组数据和一个已知的函数（这个函数的参数未定）很相似，为了得到最能表示这组数据特征的这个函数，通过拟合这种方式（具体的数学方法很多）求得函数。而回归是一种特定的数学方法，它可以实现数据拟合，得到函数的参数。当然也有些拟合得到的参数并非是函数的参数，如神经网络，得到的是这个神经网络的参数，这里我们不作深入探究。
四、学习实践
想一想 在炎热的夏季，很多同学都喜欢吃冰淇淋来解暑降温。这也导致了学校店铺的冰激凌往往供不应求。为了能了解所需冰淇淋的数量继而进货满足同学们的需求，店铺老板决定依据过去一年的历史销售数据，来预测在指定温度下冰淇淋的销量。 假如老板把这个任务交给了你，你会怎么做呢？
|
在本项目中，我们将分两步，来预测在指定温度下冰淇淋的销量。
1、探究温度对冰淇淋销量的影响。
2、预测在指定温度下，冰淇淋的销售量。
任务1：探究温度对冰淇淋销量的影响
在这个任务中，我们将探究温度对冰淇淋销量的影响。通过它，我们可以了解数据分析常用的方法。为此，我们将分三步进行探究。首先是采集并整理数据，之后以图表形式将数据可视化出来，最后观察图表并分析数据得出结论。
1、数据采集与整理
在这个项目中，我们从店铺老板处获取记录的数据，数据内容包括日期，气温以及当日的销量等，稍做检查后将数据保存在csv表格文件中。（数据文件见附录1）
2、数据可视化
为了便于对数据进行读取和分析，我们通过编写程序将采集整理好的数据以图表形式呈现出来。
这里我们将采用顺序结构的方式编写程序。具体流程如下：
在正式编写程序代码之前，我们首先要创建一个项目文件及python程序文件，并导入表格文件，导入表格的方法与导入gif图相同。
STEP1：创建与保存项目文件
启动Mind+,另存项目并命名为“冰淇淋店销量预测”。
STEP2：创建与保存python文件
创建一个python程序文件“任务一.py”，双击打开。
STEP3：导入数据文件（见附录1）
STEP4：编写程序
import pandas as pd#导入pandas库并用pd来表示
import matplotlib.pyplot as plt#导入matplotlib库中的函数集合
icecream = pd.read_csv("icecream.csv")#导入csv格式表格数据
plt.rcParams['font.sans-serif'] = ['SimHei']#绘制中文字体
plt.title("冰淇淋销量与气温图")#绘制图像标题
plt.xlabel("气温")#绘制x轴标签
plt.ylabel("销售量")#绘制y轴标签
plt.scatter(icecream.iloc[:,1],icecream.iloc[:,0])#绘制散点图
plt.show()#显示图像
STEP5：运行程序
运行程序，我们看到：数据以散点图的形式呈现了出来，图上，横轴表示气温，纵轴表示销售量，一个个蓝色的小圆点表示的就是不同气温下的销售量。
3、数据分析
观察生成的散点图，我们可以发现，整体上，气温对销售量有较大的影响，且气温越高销售量越大。
任务2：预测在指定温度下，冰淇淋的销售量
由上个任务我们已经粗略得知销售量会随着气温的升高而增加，在这个任务中，我们将结合回归分析法，进一步探究销售量与气温间的线性关系，继而预测在指定温度下，冰淇淋的销售量。由于这里用到的数据不变，因此接下来我们只需两步，先通过编写程序得到散点图的线函数关系式，再分析数据进行预测。
1、数据可视化
这里我们将采用顺序结构的方式编写程序。具体流程如下：
STEP1：创建与保存python文件
创建一个python程序文件“任务二.py”，双击打开。
STEP2：安装sklearn库
（1）点击库管理
（2）安装sklearn库
STEP3：编写程序
STEP4：运行程序
（1）运行程序，我们看到，在原有的散点图上，绘制出了一条直线
（2）关闭图表，观察终端，显示了直线的斜率和截距
2、数据分析
通过得到的斜率与截距，我们得出散点图中的线函数式为y＝5.2X＋57.2。
因而，当气温为25度时，预测的冰淇淋销售量为5.2*25+57.2=187.52，约188个。
当气温为35度时，预测的冰淇淋销售量为5.2*35+57.2=239.2，约239个。
sklearn链接 Sklearn (全称 Scikit-Learn) 是基于 Python 语言的机器学习工具。它建立在 NumPy, SciPy, Pandas 和 Matplotlib 之上，在 Sklearn 里面有六大任务模块：分别是分类、回归、聚类、降维、模型选择和预处理，这里我们简单了解即可。 |
LinearRegression()函数 功能说明 用来实例化线性回归模型。 使用方法 model = LinearRegression() 举例说明 程序中， model = LinearRegression()#实例化线性回归模型，生成model模型对象 表示实例化线性回归模型，生成model模型对象。 |
fit()方法 功能说明 表示以给定数量的轮次（数据集上的迭代）训练模型。这里的“训练”指的是添加数据到模型中，为后续预测作准备。 使用方法 模型对象.fit(x,y，可选参数)，这里的可选参数有很多，我们不作一一介绍了。 举例说明 程序中， feature_cols = ['气温']#获取气温列表 x = icecream[feature_cols]#设置x为csv表格中的气温列表 y = icecream.销售量#设置y为csv表格中的销售量 model = LinearRegression()#实例化线性回归模型，生成model模型对象 model.fit(x,y)#训练并存储模型 表示以表格中的气温列表为x，销售量为y来训练模型。
|
predict()方法 功能说明 表示为输入样本生成输出预测 使用方法 模型对象.predict(x，可选参数)，这里的x指输入数据，可选参数有很多，不做一一介绍了 举例说明 程序中， plt.plot(icecream.气温, model.predict(x) , color='blue')#绘制直线 这里的“model.predict(x)”就是以x为输入数据，输出预测值。 |
Matplotlib链接 |
plot()函数 功能说明 plot()函数能绘制点和线 使用方法 matplotlib.pyplot.plot(x,y, 参数)，其中可选参数有很多，这里我们不一一介绍了 举例说明 程序中， plt.plot(icecream.气温, model.predict(x) , color='blue')#绘制直线 表示绘制一条直线（一次函数），其中，x轴为表格中的气温，y为预测值，直线的颜色为蓝色。 |
五、巩固提高
项目回顾
本节课我们首先探究了温度对冰淇淋销量的影响，利用pandas、matplotlib和sklearn库将数据以图表形式呈现出来，并找到了其中的线性关系，之后通过线性关系式预测了在指定温度下冰淇淋的销售量。
知识小结
1、数据分析的理念
2、回归分析法
附录
附录1表格链接
链接：https://pan.baidu.com/s/102FG0v8s7hGOytex_4uawg
提取码：yc82
附录2
拓展阅读 数据分析工具 计算机数据分析工具目前大致可以分为如下几类：基础类，如简单易用的电子表格软件；统计类，需 要统计学专业知识的分析软件，如SPSS、SAS等；编程类，需要掌握编程知识，如python语言、R语言等；在线类，即在线数据分析平台，如腾讯大数据、阿里云、BDP和AWS等；专业类，多用于大数据分析，如Hadoop，Spark和Storm等。
|
||||||||||||
拓展阅读 数据分析方法 常见的数据分析方法有结构分析法、平均分析法、对比分析法等。 结构分析法是将各个部分与总体进行对比，是分析事物内部的结构、部分与整体之间关系的方法。基本表现形式就是计算结构指标，即各个部分相对于总体所占的百分比。 平均分析法指运用计算平均数的方法来反应总体在一定时间、地点、条件下某一数量特征的一般水平。平均指标中最常用的是算术平均数。 对比分析法指将两个或两个以上的数据进行比较，分析他们之间的差异，揭示出这些数据所反映的事物规律。
|
||||||||||||
拓展阅读 回归的由来 回归”是由英国著名生物学家兼统计学家高尔顿(Francis Galton,1822～1911.生物学家达尔文的表弟)在研究人类遗传问题时提出来的。 为了研究父代与子代身高的关系，高尔顿搜集了1078对父亲及其儿子的身高数据。他发现这些数据的散点图大致呈直线状态，也就是说，总的趋势是父亲的身高增加时，儿子的身高也倾向于增加。 但是，高尔顿对试验数据进行了深入的分析，发现了一个很有趣的现象——回归效应。因为当父亲高于平均身高时，他们的儿子身高比他更高的概率要小于比他更矮的概率；父亲矮于平均身高时，他们的儿子身高比他更矮的概率要小于比他更高的概率。它反映了一个规律，即这两种身高父亲的儿子的身高，有向他们父辈的平均身高回归的趋势。 对于这个一般结论的解释是:大自然具有一种约束力，使人类身高的分布相对稳定而不产生两极分化，这就是所谓的回归效应。
|
||||||||||||
拓展阅读 回归问题的种类 回归算法按自变量的数量划分可以分为：一元回归问题和多元回归问题。
多元线性回归的基本原理和基本计算过程与一元线性回归相同，但由于自变量个数多，计算相当麻烦，一般在实际中应用时都要借助统计软件。
按自变量和因变量之间的关系类型划分可以分为：线性回归和非线性回归。当因变量和自变量之间的关系类似于一次函数时，则属于线性回归，如果类似于指数函数或对数函数，则属于非线性回归。
|
推荐阅读：
文末点击 “ 阅读原文 ” ，下载附件。