| Python | 您所在的位置：网站首页 › 打折力度怎么计算出来 › Python |
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 聚类效果出奇的好，但分类效果不太好：还是聚2类吧  低价格弹性商品： [‘水’, ‘蔬菜’, ‘蛋品’, ‘厨房清洁品’, ‘硬糖’, ‘果冻’, ‘茶饮料’, ‘国产水果’, ‘进口水果’, ‘方便面’, ‘米’, ‘卫生护理’, ‘口腔护理’, ‘巧克力’, ‘冲调粉’, ‘挂面/米粉’, ‘调味品’, ‘膨化食品’, ‘坚果’, ‘茶叶’, ‘汤圆’, ‘纸品湿巾’, ‘面部保养品’, ‘固体咖啡’, ‘冲饮粉’, ‘口香糖’, ‘低温奶制品’, ‘冰品类’, ‘米面制品’, ‘卫浴清洁剂’, ‘沐浴’, ‘冷藏面点’, ‘洗发护发’, ‘禽类’, ‘饼干’, ‘食用油’, ‘常温奶制品’, ‘进口个人洗护’, ‘水饺/馄饨’, ‘成人奶粉’, ‘猪肉’, ‘进口乳制品’, ‘糕点’, ‘中式糕点’, ‘碳酸饮料’]
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。 |
计算出超市商品类内部利润率、打折率、销售额、毛利润数据的相关系数。
该图x轴为利润率和单品销售额的相关系数，y轴打折率和单品销售额的相关系数，，橙色商品类单品销售额与利润率的相关系数很高，单品销售额与打折率的相关系数很低，可见存在一定的薄利多销现象，可以将其称为富有弹性的商品类。中间绿色一类，单品销售额和利润率、打折率的相关系数都接近于零，可以判断绿色类商品为缺乏弹性商品。
学了一点经济学，营养保健类确实是富有弹性的商品。 根据该聚类结果的商品需求弹性标签，成功将24个大商品类划分为如粮油副食类的缺乏弹性商品、如家具家装类的单一弹性商品、如营养保健类的富有弹性商品。
【本文地址】