import pandas as pd from sklearn.linear_model import LinearRegression

读取数据

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

提取所需字段

df = data[['单品编码', '销售日期', '销量(千克)', '销售单价(元/千克)', '批发价格', '单品损耗率']]

筛选出2020年7月1-2日的数据

df = df[(df['销售日期'] >= '2020-07-01') & (df['销售日期'] <= '2020-07-02')]

计算每个单品的销售额

df['销售额'] = df['销量(千克)'] * df['销售单价(元/千克)'] * (1 - df['单品损耗率'])

按单品编码分组，计算每个单品的销售总额和销量

df_grouped = df.groupby('单品编码').agg({'销售额': 'sum', '销量(千克)': 'sum'}).reset_index()

计算每个单品的平均售价

df_grouped['平均售价'] = df_grouped['销售额'] / df_grouped['销量(千克)']

使用线性回归模型预测每个单品的补货量

X = df_grouped[['销售额', '平均售价']] y = df_grouped['销量(千克)'] model = LinearRegression() model.fit(X, y) df_grouped['补货量'] = model.predict(X)

根据补货量和定价策略计算商超的收益

df_grouped['收益'] = df_grouped['补货量'] * df_grouped['平均售价'] * (1 - df_grouped['单品损耗率']) - df_grouped['补货量'] * df_grouped['批发价格']

按收益降序排序，取出前7-10个单品

df_grouped = df_grouped.sort_values('收益', ascending=False).head(10) df_grouped = df_grouped.iloc[7:10]

输出补货量和定价策略

print(df_grouped[['单品编码', '补货量', '平均售价']])