如何解决通过分析过去的销售数据并分组为订单周期python来进行需求预测
我有过去2-3年的每周销售数据, 而且我已经发现,典型的订购周期是8周。 根据过去的数据,我想将每周数据分组为8周的订单周期,以及在每年的每个期间我应重点关注产品类别的哪个类别。
销售数据框(销售)如下:
Col1 Col2 Col3
Category Week(date) Sales(USD)
Clothing 2018-01-03 459
Clothing 2018-01-10 569
Clothing 2018-01-17 590
Clothing 2018-01-24 600
Clothing 2018-01-31 720
Clothing 2018-02-07 498
Clothing 2018-02-14 450
Clothing 2018-02-21 431
...
Food 2018-01-03 980
Food 2018-01-10 800
Food 2018-01-17 765
Food 2018-01-24 589
Food 2018-01-31 470
...
像上面一样, 我每个商品类别每周累积2-3年的销售量, 我想弄清楚我应该在一年的每个订单周期中关注哪个类别,并预测要有效管理供应链的订单数量。
为此, 我想出了以下代码对它们进行分组,并按降序对每个类别进行排序。
df1 = sales.pivot_table(index = 'Category',columns = 'Week(date)',aggfunc = sum)
但是,在此之后,我真的陷入了困境,无法弄清楚该怎么做。 我可以写几行代码,但是要花很多时间就不能这样做。 有什么简单的方法吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。