import pandas as pd from sklearn.linear_model import LinearRegression

读取数据

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

筛选出2020年7月1-2日的数据

start_date = '2020-07-01' end_date = '2020-07-02' selected_data = data[(data['销售日期'] >= start_date) & (data['销售日期'] <= end_date)]

计算每个单品的历史销售总量和平均销售单价

sales_sum = selected_data.groupby('单品编码')['销量(千克)'].sum() sales_mean = selected_data.groupby('单品编码')['销售单价(元/千克)'].mean()

构建特征矩阵和目标向量

X = pd.DataFrame({'历史销售总量': sales_sum, '平均销售单价': sales_mean}) y = selected_data.groupby('单品编码')['销售单价(元/千克)'].mean()

使用线性回归模型进行训练

model = LinearRegression() model.fit(X, y)

预测8月1日的补货量和定价

predicted_replenishment = model.predict([[7, 8]]) predicted_price = model.predict([[10, 12]])

输出结果

print('8月1日的补货量：', predicted_replenishment) print('8月1日的定价：', predicted_price)