import pandas as pd from sklearn.linear_model import LinearRegression

读取数据

data = pd.read_csv('test.csv')

数据预处理

data['销售日期'] = pd.to_datetime(data['销售日期']) data['销售月份'] = data['销售日期'].dt.month data['销售日'] = data['销售日期'].dt.day data = data[(data['销售月份'] == 7) & (data['销售日'] <= 2)] # 只选择7月1-2日的数据

计算每个单品的销售量和销售金额

data['销售金额'] = data['销量(千克)'] * data['销售单价(元/千克)'] sales = data.groupby('单品编码').agg({'销量(千克)': 'sum', '销售金额': 'sum'}).reset_index()

建立线性回归模型

model = LinearRegression() model.fit(sales['销量(千克)'].values.reshape(-1, 1), sales['销售金额'])

预测8月1日的单品补货量

predicted_sales = model.predict([[2.5]]) # 假设每个单品的补货量为2.5千克 sales['预测销售金额'] = predicted_sales

按预测销售金额排序，选择前10个单品作为补货计划

replenishment_plan = sales.sort_values('预测销售金额', ascending=False).head(10) replenishment_plan['补货量'] = replenishment_plan['预测销售金额'] / replenishment_plan['销售单价(元/千克)']

输出补货计划和定价策略

print(replenishment_plan[['单品编码', '补货量', '销售单价(元/千克)']])