用Python预测2020年双十一交易额
作者：林骥
去年双十一的时候，我曾复盘过阿里巴巴 2019 年双十一交易额。
今年的双十一，规则发生了很大的变化，从 10 月 21 日就开始预售，11 月 1 日到 3 日启动第一波销售。面对越来越复杂的规则，许多消费者都感觉「智商不够用了」，而那些没时间研究规则的人，将付出更高的价格，形成一种「价格歧视」，这就是经典的商业策略。
另外，市场环境也发生了很大的变化，疫情对双十一的影响到底有多大？是正向的影响还是负向的影响？各种不确定性的因素交织在一起，无疑会大大增加预测的难度。
本文将不去探究这些细节，而是基于一种机器学习的算法，对 2020 年双十一交易额进行预测。重点在于学习和运用 Python，去解决实际的问题，并举一反三，在实战中锻炼数据分析的思维和应用的能力。
1. 安装和导入模块
首先，我们确认安装好了 Python 中的 scikit-learn 模块：
pip install sklearn
要测试模块是否正确安装，可以在 Jupyter Lab 中运行以下代码：
import sklearn as sk
# 查看版本
sk.__version__
如果该模块正确安装，就会输出版本号。
2. 构造和定义数据
其次，我们构造 2009 - 2019 每年的交易额数据框，并定义相应的变量，为下一步调用算法做好准备。
import numpy as np
import pandas as pd
# 生成数据
year = np.array(range(2009, 2020))
data = [0.52,9.36,52,191,350,571,912,1207,1682,2135,2684]
df = pd.DataFrame({'年份': year, '交易额': data})
# x 年份
x = np.array(df.iloc[:, 0]).reshape(-1, 1)
# y 交易额
y = np.array(df.iloc[:, 1])
# z 预测的年份
z = [[2020]]
3. 调用算法和预测
然后，我们调用 sklearn 中的多项式回归算法，其中 degree=2 代表利用「二次多项式」进行拟合。
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeatures
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression
# 用管道的方式调用多项式回归算法
poly_reg = Pipeline([
('ploy', PolynomialFeatures(degree=2)),
('std_scaler', StandardScaler()),
('lin_reg', LinearRegression())
])
poly_reg.fit(x, y)
# 调用算法进行预测
predict = poly_reg.predict(z)
# 输出预测结果
print('预测2020年双十一交易额为 %.0f 亿元' % predict[0])
print('算法评分为 %.6f' % poly_reg.score(x, y))
输出结果为：
预测2020年双十一交易额为 3280 亿元 算法评分为 0.999632
4. 预测数据可视化
下面用 matplotlib 画一张图，以便更加直观地展现预测的结果：
import matplotlib.pyplot as plt
# 设置图像大小
fig, ax = plt.subplots(figsize=(9, 6))
# 设置正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']
# 绘制散点图
ax.scatter(x, y, color='#00589F', s=100)
ax.scatter(z, predict, color='#F68F00', marker='*', s=260)
# 设置标签字体大小
ax.tick_params(labelsize=16)
# 隐藏边框
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['bottom'].set_color('#999999')
ax.spines['left'].set_color('#999999')
# 绘制预测线
x2 = np.concatenate([x, z])
y2 = poly_reg.predict(x2)
ax.plot(x2, y2, '--', c='#999999')
ax.set_title('\n预测2020年双十一交易额为%.0f亿元\n'%predict[0], fontsize=26, loc='left')
plt.show()
5. 最后的话
以上是基于历史数据进行预测的结果，其中包含 11 月 1 日到 3 日，以及 11 月 11 日，合计四天的总交易额，没有考虑市场环境的变化。
吴军在《浪潮之巅》中说：
几乎所有好的投资人，都不再对资本市场做预测，而是不断根据市场变化做出反应并进行调整。巴菲特如此，索罗斯也是如此。 我们必须承认各种不确定性，并且利用数据和信息去消除它们。对于变化，我们不能过多相信过去经验得到的正统的预测结果，而是要主动地运用控制论的原理，动态地调整我们的工作状态和目标。
虽然数据是动态变化的，但背后的算法是基本不变的，分析思维也是基本不变的。
所以，重新审视我们的目标，应该不是未卜先知，而是运用科学的方法和思维，在拥抱变化的同时，借助数据和信息，尽量消除不确定性，动态调整应对的策略。