一、老板要的四句话

一家电商攒了一年的日销售流水。老板不看明细，只要四句话： 哪个月卖得多、旺季旺到什么程度、投的广告费到底起没起作用、明天大概能卖多少。 前三句这一章都能答，第四句要往外推一步——预测。

前五章都在描述已经发生的事，这一章第一次往未来伸手。手伸得准不准，得用一套指标量出来。 说白了：前面是回看，这一章开始向前看。回看错了能回头改，向前看错了要赔钱。

二、一张表，四个字段

365 行，一天一行，一个空值都没有。合计 14766.53 万元，月均 1230.54 万元。 一天一行是这张表最要紧的性质。有了日粒度，按月、按季、按周、按星期， 全都变成「从日期拆出来」的事。 如果原始数据是订单明细（一单一行），第一步得先按天汇总——那是第 3 章 groupby 的活。

字段的单位也必须先确认。同样是「销售额」，写万元和写元，后面每个数差一万倍。

三、三种方法，一层压一层

分组统计看清形状，对比分析比出高低，相关与回归找关系。 顺序不能跳。关系没看清就上模型，等于闭着眼开枪。 这句话不是修辞。10.6 那个模型的 R 方只有 0.5005，原因就是季节和周末还没进模型，关系根本没看清。

四、项目准备：多装一个 openpyxl

课本要三样：pandas 读 Excel、matplotlib 画图、scikit-learn 建模。

pip install pandas openpyxl matplotlib scikit-learn

pandas 读 xlsx 靠的不是自己，是 openpyxl。装 pandas 时它不会跟着来，得单独装。 少了它，read_excel 会甩一句 ImportError，说缺一个 engine。看见这句不用怀疑路径，就是没装。 本机这套是 openpyxl 3.1.5、pandas 3.1.0、numpy 2.5.2、scikit-learn 1.9.1，读、算、建模都够。

五、数据是造的，这一点要说在前面

教材配套的原始 Excel 拿不到，所以按同样的量级造了一份：一天一行，四个字段，金额按万元。 造的时候写进了三件事：按月给的季节系数（6 月 1.25、11 月 1.45、2 月 0.85）、周末加 8%、 广告费按 2.2 倍拉动销售，再各叠一层噪声。 所以后面算出来「6 月和 11 月是两个尖峰」「周末比工作日高」，这些是设计进去的，不是从现实里发现的。

这句话决定了怎么读后面的结论：机制可信，具体数字不可外推。同样一套代码换成真数据， 形状可能完全不同。 造数不是作弊。学方法的时候，知道自己手里这份数据是怎么来的，比拿到一份来源不明的真数据更安全。

六、动手 Demo：项目概述与分析方法

先把这一份日销售数据造出来，落成 京东销售数据.xlsx，后面每一篇都从它读。 造法和全章一致：月季节、周末效应、广告拉动三件事写进去，再叠一层噪声。

import numpy as np
import pandas as pd

MONTH_K = [1.15, 0.85, 0.95, 0.92, 1.00, 1.25, 0.95, 0.98, 1.00, 1.05, 1.45, 1.10]
rng = np.random.default_rng(2026)
rows = []
for d in pd.date_range("2025-01-01", "2025-12-31", freq="D"):
    ad = float(np.round(rng.uniform(8, 25), 2))
    sales = 2.2 * ad * MONTH_K[d.month - 1] * (1.08 if d.day_of_week >= 5 else 1.0)
    sales = sales * rng.normal(1.0, 0.07)
    orders = int(round(sales * 10000 / 68.0 * rng.normal(1.0, 0.06)))
    rows.append((d.strftime("%Y-%m-%d"), round(sales, 2), ad, orders))

df = pd.DataFrame(rows, columns=["日期", "销售额", "广告费", "订单量"])
df.to_excel("京东销售数据.xlsx", index=False, sheet_name="销售明细")
print("形状 %s" % (df.shape,))
print("全年合计 %.2f 万元" % df["销售额"].sum())

实跑输出：

--------------------------------------------------------------------
项目概述与分析方法
--------------------------------------------------------------------

  ① 项目和上一个的差别
  --------------------------------------------------------------------
  第 9 章的数据在 MySQL 里，这一章的数据在 Excel 里。
  换数据源，流程不变：取数、洗数、统计、建模、出结论，还是这五步。
  多出来的一步是「预测」——前面只在描述发生过的事，这一章要往外推一步。

  ② 数据长什么样
  --------------------------------------------------------------------
  一张表，四个字段，365 行，一天一行。

| 字段 | 含义 | 单位 |
|---|---|---|
| 日期 | 下单日期 | 2025-01-01 起 |
| 销售额 | 当天成交金额 | 万元 |
| 广告费 | 当天投放花费 | 万元 |
| 订单量 | 当天成交单数 | 单 |

  一年 365 行，销售额合计 14766.53 万元。
  数据是造的，但造的时候写进了三件事：月季节、周末效应、广告拉动。

  ③ 三种分析方法
  --------------------------------------------------------------------

| 方法 | 用来回答 | 这次用在哪 |
|---|---|---|
| 分组统计 | 哪个月高、哪个季度低 | 按月、按周、按季汇总 |
| 对比分析 | 这个月比上个月怎么样 | 环比、极值、峰谷 |
| 相关与回归 | 广告和销售是什么关系 | 算 r、建预测模型 |

  三种方法一层压一层：先看清长什么样，再比出高低，最后找出关系。
  顺序不能跳。关系没看清就上模型，等于闭着眼开枪。

  ④ 项目准备
  --------------------------------------------------------------------
  要三样：pandas 读 Excel、matplotlib 画图、sklearn 建模。

  [本沙箱已装齐]
  | pip install pandas openpyxl matplotlib scikit-learn
  openpyxl 是读 xlsx 的引擎，不装会报错

  pandas 读 xlsx 靠的不是自己，是 openpyxl。装 pandas 不带它，得单独装。
  本机 openpyxl 3.1.5、pandas 3.1.0、numpy 2.5.2。

  ⑤ 先把数据落成 Excel
  --------------------------------------------------------------------
  演示用的数据先写成 xlsx，后面每一节都从这个文件读。
  路径是 京东销售数据.xlsx，一个工作表，名字叫「销售明细」。
  真实项目里这一步是「拿到别人给的 Excel」。这次自己造一份，好让全章的数对得上。
  ! 文件已经写好了，365 行 4 列。

rng.normal(1.0, 0.07) 是乘在销售额上的噪声：均值 1、标准差 0.07，也就是上下浮动百分之七。 default_rng(2026) 里的种子就是「同一份数据」的保证。种子一样，跑一百遍都是这 365 行。 to_excel 的 index=False 不能漏，漏了会多出一列行号，下次读进来还得删。

30 秒实验

1. 把 6 月的季节系数从 1.25 改成 1.00，重跑，看 6 月还是不是第一。
2. 把周末的 1.08 改成 1.00，再看按星期的统计还有没有差距。
3. 想一想：如果种子不写死，后面每一节的数字还能互相对上吗？

常见误区

1. 以为换数据源就要换方法：流程五步不变，变的只是第一步读的是库还是表。
2. 装 pandas 不装 openpyxl：read_excel 报缺 engine，很多人以为是文件路径错。
3. 拿到表就开算：先看行数、字段、单位，这三样错一个，后面全错。
4. 把造出来的数据当真实规律：机制可信，数字不可外推，报告里必须写明数据来源。

流程清楚了，下一篇动手：把这份 Excel 读回来，先看类型，再查缺、重、怪。

• ☐ （本篇完，下一篇 10.2 数据处理）

相关笔记

• 数据处理
• 项目概述、效果与准备
• 导入 Excel：从表里把数读进来
• 📊 Python 数据分析 · 索引