简介这份资源面向具备一定Python基础的数据分析与可视化学习者围绕汽车销售数据提供从获取、清洗到可视化与预测的完整实战案例可用于课程设计、数据分析练手或时间序列预测入门。压缩包共23个文件约3.98MB包含1个py主程序、3个xlsx原始数据表、1个db数据库、1个json配置、1个md说明文档及16张png结果图覆盖代码、数据与图表输出便于直接运行与对照复现。内容涵盖销量波动性、同比增长、ACF与PACF及SARIMA未来销量预测并延伸至厂商与车型的销量、市场份额、时间趋势及最佳最差表现分析形成较完整的分析链路。目前已有875人学习下载适合希望系统掌握Python数据可视化与预测流程、需要可复用脚本与排错思路的读者参考。1. 从一份汽车销售 CSV 到能跑的预测模型这套 Python 资源到底能省你多少事手里拿到一份汽车销售明细字段有订单日期、车型、经销商、成交价、上牌量老板要的是下季度各车型的销量预估还要一张能放进汇报 PPT 的趋势图。多数人第一反应是打开 Excel 拉透视表但数据量一过十万行、车型一多、时间跨度一长Excel 就开始转圈预测更是只能靠肉眼外推。这套基于 Python 的汽车销售数据可视化加预测资源解决的正是这个场景用 pandas 做清洗聚合用 matplotlib 或 pyecharts 出图再用时间序列模型把历史销量外推成未来几个月的预测值。它适合两类人——刚学完 Python 基础、想找一个完整业务闭环练手的入门者以及手头有销售数据、需要快速搭一套分析加预测原型的从业者。编号 500010086.1 对应的这份源码包把数据读取、清洗、可视化、建模、预测输出串成了一条线你拿到后改改字段名和路径就能跑自己的数据。2. 数据读取与清洗pandas 处理汽车销售表的四个关键动作2.1 为什么先做字段类型转换而不是直接画图汽车销售数据最常见的坑是日期列被读成字符串、成交价带货币符号、销量列混入空值。如果跳过清洗直接 groupby轻则报错重则聚合结果悄悄少算一批订单。常见做法是在 read_csv 之后立刻做三件事把订单日期转成 datetime、把金额列的符号和千分位去掉转 float、把销量列的空值填 0 或按车型均值补。这一步不做后面所有可视化都是错的预测更是无从谈起。import pandas as pd import numpy as np # 读取原始销售表注意编码国内 Excel 导出的 CSV 常见 gbk df pd.read_csv(car_sales.csv, encodinggbk) # 日期列转 datetimeerrorscoerce 让无法解析的变成 NaT 而不是直接崩 df[order_date] pd.to_datetime(df[order_date], errorscoerce) # 金额列去掉货币符号和千分位逗号再转 float df[deal_price] ( df[deal_price] .astype(str) .str.replace(¥, , regexFalse) .str.replace(,, , regexFalse) .astype(float) ) # 销量列空值填 0并确保是整数 df[sales_volume] df[sales_volume].fillna(0).astype(int) # 丢弃日期解析失败的行这些行无法参与时间序列 df df.dropna(subset[order_date]) print(df.dtypes) print(df.head())逻辑说明errorscoerce是关键参数它把解析失败的日期变成 NaT方便你统一 dropna而不是让整个脚本在 read_csv 阶段就抛异常。金额列的regexFalse表示按普通字符串替换避免¥被当成正则元字符。销量填 0 是一种保守策略如果你的业务里空值代表未上报而非零销量应该改成按车型分组均值填充。参数说明encoding要根据实际文件调整用 gbk 读 utf-8 文件会乱码反之亦然。如果不确定编码可以先pd.read_csv(path, nrows5)试读几行看中文是否正常。2.2 按车型和月份聚合resample 与 groupby 的取舍可视化预测需要的是时间序列所以要把明细聚合成「车型 月份 销量」的结构。这里有两种写法一种是先按车型分组再对日期列 resample另一种是先建月份列再 groupby 双字段。前者代码短后者更直观、方便后续加经销商维度。# 方案一先分组再 resample适合只按车型看趋势 monthly_by_model ( df.set_index(order_date) .groupby(model)[sales_volume] .resample(M) .sum() .reset_index() ) # 方案二先建月份列再 groupby方便扩展多维度 df[year_month] df[order_date].dt.to_period(M) monthly_multi ( df.groupby([model, year_month])[sales_volume] .sum() .reset_index() ) monthly_multi[year_month] monthly_multi[year_month].dt.to_timestamp() print(monthly_by_model.head()) print(monthly_multi.head())逻辑说明resample(M)按月重采样并求和要求索引是 datetime所以先 set_index。to_period(M)把日期转成月份周期groupby 后不会出现某月无数据就断行的问题转回 timestamp 是为了后续画图时横轴连续。参数说明M是月末频率如果你想要月初可以用MS。聚合函数除了 sum成交量场景也可能用 count 或 mean取决于你的指标定义。提示聚合后一定要检查有没有月份缺口。汽车销售有淡旺季某月无订单是正常的但时间序列模型要求等间隔缺月要补 0 或用插值否则预测会错位。3. 可视化落地用 matplotlib 和 pyecharts 把销售趋势画清楚3.1 静态图matplotlib 画多车型折线图的横轴处理汽车销售数据可视化最常被吐槽的就是横轴日期太密集标签叠成一团。热词里「python画图横坐标太密集」说的就是这个问题。解决办法有两个一是用MonthLocator控制刻度间隔二是把日期转成字符串后每隔 N 个取一个标签。import matplotlib.pyplot as plt import matplotlib.dates as mdates # 设置中文字体Windows 用 SimHeiMac 用 Arial Unicode MS plt.rcParams[font.sans-serif] [SimHei] plt.rcParams[axes.unicode_minus] False fig, ax plt.subplots(figsize(12, 5)) for model_name, group in monthly_by_model.groupby(model): ax.plot(group[order_date], group[sales_volume], labelmodel_name, linewidth1.5) # 横轴按月显示格式 2024-01 ax.xaxis.set_major_locator(mdates.MonthLocator(interval2)) ax.xaxis.set_major_formatter(mdates.DateFormatter(%Y-%m)) ax.set_title(各车型月度销量趋势) ax.set_xlabel(月份) ax.set_ylabel(销量) ax.legend() plt.xticks(rotation45) plt.tight_layout() plt.savefig(sales_trend.png, dpi150) plt.show()逻辑说明MonthLocator(interval2)表示每两个月显示一个刻度这是解决横轴密集最直接的手段。DateFormatter控制显示格式避免出现完整时间戳。tight_layout防止标签被裁掉dpi150保证放进 PPT 不糊。参数说明figsize的宽高比建议 12:5 左右太窄折线会挤在一起。linewidth在车型多的时候调小到 1.0 以下否则线条互相覆盖看不清。3.2 交互图pyecharts 做企业级数据看板的配置要点如果汇报对象要看细节静态图不够常见做法是上 pyecharts 出 HTML鼠标悬停能看具体数值。企业级数据可视化场景里pyecharts 的优势是配置项直观、导出即用不需要前端知识。from pyecharts.charts import Line from pyecharts import options as opts line Line(init_optsopts.InitOpts(width1000px, height500px)) for model_name, group in monthly_by_model.groupby(model): line.add_xaxis(group[order_date].dt.strftime(%Y-%m).tolist()) line.add_yaxis( model_name, group[sales_volume].tolist(), is_smoothTrue, is_symbol_showFalse, ) line.set_global_opts( title_optsopts.TitleOpts(title汽车销量月度趋势), tooltip_optsopts.TooltipOpts(triggeraxis), xaxis_optsopts.AxisOpts(name月份, axislabel_optsopts.LabelOpts(rotate45)), yaxis_optsopts.AxisOpts(name销量), legend_optsopts.LegendOpts(pos_top5%), ) line.render(sales_trend.html)逻辑说明add_xaxis每个车型都调一次会重复实际项目中应该先取所有月份的并集作为 x 轴再按车型对齐 y 值。这里为了演示简化了写法你落地时要注意对齐否则不同车型的横轴会对不上。triggeraxis让 tooltip 跟随竖线显示所有车型数值比单点触发更适合趋势对比。参数说明is_smoothTrue让折线平滑但平滑会掩盖真实波动预测展示时建议关掉。is_symbol_showFalse去掉数据点标记车型多的时候图面更干净。注意pyecharts 的 x 轴如果直接用日期字符串排序会按字符串而非时间务必先按日期排序再转字符串否则折线会乱跳。4. 预测建模从移动平均到 LSTM 的选型与实现4.1 先跑通基线移动平均和 Holt-Winters 够用吗不是所有汽车销售预测都需要上神经网络。如果数据只有两三年、车型不多、趋势平稳移动平均或 Holt-Winters 就能给出可解释的结果而且不用调参。常见做法是先跑一个 3 个月移动平均作为基线看误差量级再决定要不要上复杂模型。# 取单个车型的月度销量序列 series ( monthly_by_model[monthly_by_model[model] ModelA] .set_index(order_date)[sales_volume] .asfreq(MS) .fillna(0) ) # 3 个月移动平均预测 ma_pred series.rolling(window3).mean().shift(1) # Holt-Winters 三次指数平滑 from statsmodels.tsa.holtwinters import ExponentialSmoothing hw_model ExponentialSmoothing( series, trendadd, seasonaladd, seasonal_periods12, ).fit() hw_pred hw_model.forecast(6) print(hw_pred)逻辑说明asfreq(MS)把序列强制成月初频率缺月补 NaN 再填 0保证等间隔。shift(1)是移动平均预测的关键用过去 3 个月预测下一个月不能把当前月算进去否则就是数据泄露。Holt-Winters 的seasonal_periods12对应年度周期汽车销售有明显季节性时这个参数必须设。参数说明trendadd表示加法趋势如果销量增长是百分比式的改成mul。seasonal同理。数据不足两个完整周期时seasonal 设 None否则拟合会报错。4.2 LSTM 时间序列预测窗口构造和归一化的两个坑数据量够、车型多、想要更高精度时LSTM 是常见选择。但 LSTM 预测汽车销量翻车最多的地方不在模型结构而在数据预处理窗口怎么切、归一化在哪个范围做。import numpy as np from sklearn.preprocessing import MinMaxScaler from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense values series.values.reshape(-1, 1) # 归一化必须在训练集上 fit再 transform 全量否则泄露未来信息 scaler MinMaxScaler(feature_range(0, 1)) scaled scaler.fit_transform(values) def make_windows(data, look_back12): X, y [], [] for i in range(len(data) - look_back): X.append(data[i:i look_back, 0]) y.append(data[i look_back, 0]) return np.array(X), np.array(y) look_back 12 # 用过去 12 个月预测下一个月 X, y make_windows(scaled, look_back) X X.reshape((X.shape[0], X.shape[1], 1)) # 简单两层 LSTM model Sequential([ LSTM(50, return_sequencesTrue, input_shape(look_back, 1)), LSTM(50), Dense(1), ]) model.compile(optimizeradam, lossmse) model.fit(X, y, epochs50, batch_size8, verbose0) # 预测并反归一化 last_window scaled[-look_back:].reshape(1, look_back, 1) next_scaled model.predict(last_window) next_value scaler.inverse_transform(next_scaled) print(next_value)逻辑说明make_windows把序列切成「过去 12 个月 → 下一个月」的样本对look_back决定用多长的历史。归一化用 MinMaxScaler 把值压到 0 到 1LSTM 对量纲敏感不归一化损失会震荡不收敛。反归一化必须用同一个 scaler否则预测值量级完全错。参数说明look_back12对应一年周期数据少于 3 年时建议降到 6。epochs50是演示值实际要看 loss 曲线早停比固定轮数更稳。batch_size8适合小样本数据量大可以调到 32 或 64。提示LSTM 预测结果波动大时先检查归一化是不是在全量数据上 fit 的。正确做法是只在训练段 fit再 transform 验证段和测试段否则评估指标会虚高。5. 避坑与排查汽车销售预测里最容易翻车的五件事5.1 日期解析失败导致时间序列断档现象聚合后月份数量比预期少折线图中间缺一段。原因原始日期列格式不统一部分行被errorscoerce变成 NaT 后 drop 掉。解决先统计 NaT 占比如果超过 5%回去检查原始文件日期格式用format参数指定格式重新解析而不是直接丢弃。5.2 归一化泄露导致预测精度虚高现象训练集和测试集误差都很小但上线后预测偏差大。原因MinMaxScaler 在全量数据上 fit测试集的极值信息进入了训练过程。解决按时间顺序切分训练集和测试集scaler 只在训练集 fit再 transform 测试集评估指标才可信。5.3 横轴日期字符串排序错乱现象pyecharts 折线图走势乱跳明明销量平稳却画出锯齿。原因x 轴用了日期字符串按字典序排而不是时间序。解决先按 datetime 排序再dt.strftime转字符串或者直接用 pyecharts 的时间轴类型。5.4 季节性参数设错导致 Holt-Winters 报错现象ExponentialSmoothing抛出「Cannot compute seasonal component」之类的错误。原因seasonal_periods12但数据不足两个完整周期或者序列里有连续缺失。解决数据不足时把seasonal设为 None先跑趋势模型缺月先补全再拟合。5.5 车型分组后样本太少模型不收敛现象LSTM loss 一直不下降或者预测值全是同一个数。原因某些车型月度数据只有十几条切完窗口只剩几条样本。解决样本少于 30 条的车型不要单独建模合并到同级别车型或者改用移动平均这类低样本方法。6. 把预测结果接回业务滚动预测与误差监控的一个实用技巧模型跑通只是第一步真正落地时你会发现单次预测很快过期业务要的是每月更新。我一般会做一个滚动预测脚本每次新数据进来把最新月份追加到序列尾部重新拟合或只更新最后一步输出未来 3 个月的预测值和置信区间。这样不用每次从头训练LSTM 可以用model.predict增量推理Holt-Winters 直接append后forecast。具体做法是维护一个宽表每行是一个车型列是历史月份销量加预测月份。每次运行先检查最新数据月份是否大于表里最后一列是则追加然后对每个车型分别预测。误差监控用 MAPE超过 20% 的车型标红人工复核是不是有促销或新车上市这类外部因素。监控项阈值处理动作MAPE 20%标记复核检查外部事件预测值为负任意截断为 0检查归一化连续 3 月偏差同向是重新拟合趋势项新车型样本 12是不单独建模归入同类这个表格是我自己项目里用的阈值你可以按业务容忍度调。滚动预测的关键是别把预测值写回历史序列再喂给模型那样误差会累积几个月后完全失真。预测列和历史列要分开存。从那以后我每次做时间序列预测都强制先跑一遍移动平均基线确认数据没有断档和异常值再上复杂模型。基线跑不通LSTM 调再多参数也是白搭。希望帮到你。本文还有配套的精品资源点击获取
