销量预测模型1：
需要字段：
商品id:pid str
销售和进货的时间:时间 datetime
类型:type（销售数据以销售_开头） str
销售数量 float
当前销售时对应的 库存量 float

计算日销量
思路：日销量 = 总销量/（周期内最后一次购买时间天数-周期内第一次购买时间天数)
选取2021 5，6月数据做验证集，计算日销量
选取 2020.11-2021-5做测试集，计算日销量
评价指标:|预测值-真实值|/真实值

细节：
1.真实购买时间=周期内最后一次购买时间天数-周期内第一次购买时间天数-补货时间（库存为0到进货时间间隔天数之和）
2.部分商品时间跨度达不到周期内的不参与计算
3.验证集/测试集 内 商品销售数据时间跨度至少2天，才能参与计算。（只有一条数据或者同一天多条数据，无法通过销量减去时间间隔计算日销量）

def 补货公式预测销量(df):
    '''
    预测日销量
    :param df: dataframe类型
    
    '''
    #删除部分数据
    df.drop(index=df[df['时间'] <= '2020-11-01'].index, inplace=True)
    df.drop(index=df[df['时间'] >= '2021-07-01'].index, inplace=True)

    drop_spid_list = []  # 不参与计算的商品id
    day_sale_evaluate_list = []  # 日均销量评估值列表

    #循环每种商品计算
    for k, v in dict(df['spid'].value_counts()).items():
        data = df[df['spid'] == k]#去除商品id为***的数据

        if len(data[data['type'].str.contains('零售')]['时间'])==0:#全是进货数据，没有销售数据，不参与计算
            # print(k,'商品没有零售数据')
            continue

        test_max_time = data[data['type'].str.contains('零售_')]['时间'].max()  # 该商品售卖最新时间

        test_min_time = test_max_time - relativedelta(months=+2)#测试集时间跨度为月

        test_data = data[((data['时间'] >= test_min_time) & (data['时间'] <= test_max_time))]#通过时间拆分测试集和验证集

        train_data = data[data['时间'] <= test_min_time]


        # 该品种测试数据周期内销售无数据，说明该商品上架售卖时间不足指定周期，不参与计算
        if train_data[train_data['type'].str.contains('零售_')].shape[0] == 0:
            drop_spid_list.append(k)
            continue
        #验证集销售的最大的时间
        train_max_time = train_data[train_data['type'].str.contains('零售_')]['时间'].max()
        # train_max_time = train_data['时间'].max()


        def 计算日销售量(data, max_time):
            '''
            
            :param data: dataframe
            :param max_time: dataframe最大时间
            :return: 日销量
            '''
            #指定周期内的销售记录的时间必须大于一天，才有时间间隔可以计算日销量
            if data[data['type'].str.contains('零售_')]['时间'].drop_duplicates().shape[0] == 1:#一天有两条销售记录的也不参与计算
                # print(k, '商品指定周期期内只有一天数据')
                return 0

            # 计算日销量  日销量  =  总销量/ （数据销售的时间跨度-库存为0到下一次进货/有销售记录 那一段天数）
            inventory_0_index = data[data['月平均库存量'] == 0]['时间'].index
            inventory_0_time = data[data['月平均库存量'] == 0]['时间'].values
            day_span_list = []#库存为0无法售卖的天数列表
            for i, index in enumerate(inventory_0_index):
                if len(data[data.时间 > inventory_0_time[i]]['时间']) > 0:  # 如果库存为0的不是该商品销售记录时间最大的一条
                    inventory_0_nextday = data[data.时间 > inventory_0_time[i]]['时间'].min() 
                    day_span = ((inventory_0_nextday - data[data.index == (index)]['时间']).values / np.timedelta64(
                        60 * 24, 'm')).tolist()[0]  # 库存为0的日期到下次进货/有销售记录 那一段天数
                    day_span_list.append(day_span)
                else:
                    day_span_list.append(0)
            total_day_span = sum(day_span_list)
            sale_day = (max_time - data[data['type'].str.contains('零售_')]['时间'].min()).days - total_day_span+1#真实销售天数
            if sale_day == 0:
                print(k,'计算异常') 
                drop_spid_list.append(k)
                return  0
          
            else:
                filter_data = data[data['type'].str.contains('零售_')]#进货的数量不计算在内
                day_sale = filter_data['销售数量'].sum() /sale_day
                return day_sale

        
        test_day_sale = 计算日销售量(test_data, test_max_time)
        train_day_sale = 计算日销售量(train_data, train_max_time)
        
        if test_day_sale!= 0 and train_day_sale!=0:
            eval_score = abs(train_day_sale - test_day_sale) / test_day_sale
            day_sale_evaluate_list.append(eval_score)
            # print(k, eval_score)
    sale_score_pd =pd.DataFrame(np.array(day_sale_evaluate_list))
    print('不同种类的商品预测偏差分布详情:',sale_score_pd.describe() )
    #四分位差法 去除异常值
    Q1 = np.percentile(sale_score_pd, 25)
    Q3 = np.percentile(sale_score_pd, 75)
    IQR = Q3 - Q1
    outlier_step = 1.5 * IQR
    lower_bound = Q1 -outlier_step
    upper_bound = Q3 + outlier_step
    print('不同种类的商品使用四分位差法去除异常值预测偏差分布详情:', pd.DataFrame(np.array([x for x in day_sale_evaluate_list if lower_bound<x<upper_bound])).describe())

    #

    filter_dict = dict(df[df['type'].str.contains('零售')]['spid'].value_counts())  # 每种类别数量
    print('使用模型预测销售量的商品覆盖率', len(day_sale_evaluate_list) / len(list(filter_dict.keys())),
          '具体占比为',  len(day_sale_evaluate_list), '/', len(list(filter_dict.keys())))
    # print('上架时间不够一个月，不做预测的商品列表有', drop_spid_list)  

销量预测模型2:

预测月销量

数据：
时间’YYYY-mm’ datetime
月销量 float

1.对商店的商品进行分类。（可以根据变异系数划分，商品有新品，热销稳定sigma<=0.5，长尾不稳定sigma>1，周期性强的商品
2.稳定的商品使用指数平滑预测，长尾使用泊松分布，
周期性强的商品使用 时间序列分析 （可通过做差分判断，序列是否平稳）/趋势法（去年月销量除以均值，得到在1左右的12个数，今年的销量预测使用今年销量的均值*对应趋势值，如果有两年数据，判断两年的趋势列表可知周期性是否强）

思路：
通过时间拆分验证集和测试集

数据难点：
0.销量为0的商品在数据库没有流水记录，没有’2020-7’:0这样数据（设置一个年-月时间列表和一个销量空列表，循环年月列表，如果该年-月找不到记录， 销量列表的该年月索引处的值设置为0）
1.部分商品有些月份销量为0（延长时间跨度 ，或者使用平滑法/中位数/均值填充）
2.部分商品 的 销售开始日期 不一致（不做预测）
3.部分商品在周期截止前下架（比如近3月没有数据，或者库存为0判断，使用之前月销量均值填充下架后月份对应的销量，这样商品覆盖率会全些）