Python | 您所在的位置:网站首页 › 打折力度怎么计算出来 › Python |
1、计算每一类的相关系数:
原数据 这里是计算1级24个商品分类table[‘居家日用’, ‘休闲食品’, ‘纺织用品’, ‘家居家装’, ‘水果/蔬菜’, ‘家用电器’, ‘美食’, ‘水产’, ‘营养保健’, ‘运动户外’, ‘日配/冷藏’, ‘烘焙’, ‘粮油副食’, ‘情趣用品’, ‘肉品’, ‘母婴’, ‘服装服饰’, ‘办公用品’, ‘宠物生活’, ‘日化用品’, ‘进口商品’, ‘医疗器械’, ‘个洗清洁’, ‘酒水饮料’]内利润率、打折率、销售额、毛利润数据的相关系数 for j in range(len(ID_list)): dat=liushui[liushui['table']==ID_list[j]] da['商品类'][j]=ID_list[j] da['打折率&利润率'][j]=dat[['打折率','利润率','单品销售额','毛利润']].corr()['打折率']['利润率'] da['打折率&单品销售额'][j]=dat[['打折率','利润率','单品销售额','毛利润']].corr()['打折率']['单品销售额'] da['利润率&单品销售额'][j]=dat[['打折率','利润率','单品销售额','毛利润']].corr()['利润率']['单品销售额'] da['打折率&毛利润'][j]=dat[['打折率','利润率','单品销售额','毛利润']].corr()['打折率']['毛利润'] da['单品销售额&毛利润'][j]=dat[['打折率','利润率','单品销售额','毛利润']].corr()['毛利润']['单品销售额'] da['利润率&毛利润'][j]=dat[['打折率','利润率','单品销售额','毛利润']].corr()['利润率']['毛利润'] da得到这个相关系数表: 基于每类产品的相关系数值,使用无监督学习的kmeans聚类方法聚类: x1=da1[['打折率&利润率','打折率&单品销售额','利润率&单品销售额','打折率&毛利润','单品销售额&毛利润','利润率&毛利润']].values#基于相关系数的聚类 x1 from sklearn.cluster import KMeans#导入聚类模型 model1=KMeans(n_clusters=2).fit(x1)#聚成3类传入自变量 model1.labels_.size da1['label']=model1.labels_成功得到聚类标签,然后是将kmeans聚类结果进行可视化: plt.figure(dpi=200) g={0:'单一弹性商品',1:'富有弹性商品',2:'缺乏弹性商品'} for i in range(3): plt.scatter(da[da['label']==i]['利润率&单品销售额'],da[da['label']==i]['打折率&单品销售额'],label=g[i])#商品各大类相关系数的聚类效果 # plt.scatter(da['利润率&单品销售额'],da['打折率&单品销售额'])#商品各大类相关系数的聚类效果 plt.legend(frameon=False,fontsize=14) plt.xlabel('单品销售额与利润率的相关系数') plt.ylabel('单品销售额与打折率的相关系数')将kmeans聚类标签进行进行可视化得到下图:
聚类标签到实际商品弹性标签: *2级85个商品分类标签: f=['打折率&利润率','打折率&单品销售额','利润率&单品销售额','打折率&毛利润','单品销售额&毛利润','利润率&毛利润'] o=0 plt.figure(figsize=(17,17),dpi=200) for j in range(len(f)): for k in range(len(f)): if k>j: o=o+1 plt.subplot(4,4,o) for i in range(4): plt.scatter(da1[da1['label']==i][f[j]],da1[da1['label']==i][f[k]])#商品各大类相关系数的聚类效果 plt.xlabel(f[j]) plt.ylabel(f[k]) if o>11: break 聚3类效果图![]() ![]() 高价格弹性商品: [‘南北干货’, ‘进口酒水饮料’, ‘进口休闲食品’, ‘罐头’, ‘衣物清洁/护理剂’, ‘婴儿用品’, ‘进口粮油副食’, ‘方便食品’, ‘肉干’, ‘面粉’, ‘牙膏’, ‘调鲜品’, ‘干奶乳制品’, ‘西式糕点’, ‘咖啡伴侣’, ‘蜜饯’, ‘冰鲜类’, ‘果味饮料/果汁’, ‘西式熟食’, ‘一次性用品’, ‘机能饮料’, ‘盐’, ‘主食面包’, ‘杂粮类’, ‘猫用品’, ‘狗用品’, ‘酱油’, ‘软糖’, ‘低温熟食’, ‘冷冻副食’, ‘牛肉’, ‘洁肤’, ‘火腿肠’, ‘啤酒’, ‘冰冻水产’, ‘豆制品’, ‘葡萄酒’, ‘家居清洁品’, ‘白酒’, ‘酱菜/榨菜’] 效果见仁见智,我觉得还不错,高价格弹性的商品进口明显多一些,毕竟数据分析只是一种参考。 3. 价格折扣力度模型这个是我设计的一个价格折扣力度模型比较重要的一部分,价格折扣力度模型具体如下。 |
CopyRight 2018-2019 实验室设备网 版权所有 |