Python时间序列分析：基于ARMA模型探究销售量与成本加成定价的关系

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.arima.model import ARIMA

# 读取数据
df = pd.read_csv('data.csv')

# 计算成本加成定价
df['成本加成定价'] = ((df['批发价格(元/千克)'] * df['销量(千克)']) + (df['单品损耗'] / 100 * df['销量(千克)'])) / df['销量(千克)'] * ((1 + (df['销售单价(元/千克)'] - df['批发价格(元/千克)']) / df['批发价格(元/千克)']))

# 转换日期格式
df['销售日期'] = pd.to_datetime(df['销售日期'])

# 按照销售日期排序
df.sort_values(by='销售日期', inplace=True)

# 提取销售日期和成本加成定价列
data = df[['销售日期', '成本加成定价']]

# 设置日期为索引
data.set_index('销售日期', inplace=True)

# 拟合ARMA模型
model = ARIMA(data, order=(1, 0, 1))
model_fit = model.fit()

# 预测成本加成定价
predictions = model_fit.predict(start=pd.to_datetime('2022-01-01'), end=pd.to_datetime('2022-12-31'))

# 绘制成本加成定价和预测结果图
plt.figure(figsize=(12, 6))
plt.plot(data.index, data['成本加成定价'], label='Actual')
plt.plot(predictions.index, predictions, label='Predicted')
plt.xlabel('Date')
plt.ylabel('成本加成定价')
plt.title('ARMA Model - 成本加成定价')
plt.legend()
plt.show()