Python 实现广告投入与销售额线性回归分析

一、项目背景

在电商、传统零售等行业中，广告投放是提升销售额的重要手段。企业常常需要分析TV、广播、报纸三类广告渠道的投入与最终销售额之间的关联，以此制定合理的广告投放策略、控制营销成本。

本文基于经典广告数据集，使用 Pandas 完成数据读取与处理，Seaborn+Matplotlib 实现数据可视化，最后借助 Scikit-learn 搭建多元线性回归模型，拟合广告投入与销售额的数学关系，完成销量预测与模型评估。

二、环境与依赖库

本次项目用到的核心 Python 库：

• pandas：数据读取、数据结构化处理
• numpy：数值计算基础库
• seaborn/matplotlib：数据可视化绘图
• scikit-learn：划分数据集、构建线性回归模型

环境说明：本文使用 NumPy 1.x 版本，规避高版本 NumPy 带来的库兼容报错，若你遇到NumPy 2.x模块编译报错，建议降级 numpy==1.26.4。

三、数据集介绍

使用经典的 Advertising.csv 广告数据集，数据集共包含 4 列：

1. TV：电视广告投入金额
2. radio：广播广告投入金额
3. newspaper：报纸广告投入金额
4. sales：对应产生的销售额

数据集样本结构简单、特征明确，非常适合入门多元线性回归实战。

四、完整代码实现与逐行解析

4.1 导入依赖库

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

4.2 读取并查看原始数据

通过pandas读取本地 CSV 文件，并打印前 5 行查看数据格式：

# 读取广告数据集
data = pd.read_csv('Advertising.csv')
# 查看前5条数据
print(data.head())

运行结果示例：

   Number     TV  radio  newspaper  sales
0       1  230.1   37.8       69.2   22.1
1       2   44.5   39.3       45.1   10.4
2       3   17.2   45.9       69.3    9.3
3       4  151.5   41.3       58.5   18.5
4       5  180.8   10.8       58.4   12.9

4.3 数据可视化：特征与销量相关性分析

使用 seaborn.pairplot 绘制特征 - 标签回归关系图，直观观察三类广告和销售额的线性相关程度：

# 绘制单变量与销售额的回归散点图
sns.pairplot(
    data,
    x_vars=['TV', 'radio', 'newspaper'],  # X轴：三个广告特征
    y_vars='sales',                       # Y轴：目标标签 销售额
    height=5,                             # 子图高度
    aspect=0.8,                           # 子图宽高比
    kind='reg'                            # 绘制拟合回归线
)
plt.show()

代码说明：

• x_vars/y_vars：指定横、纵坐标对应的字段；
• kind='reg'：开启回归拟合，自动画出散点 + 拟合直线；
• 从图像可以初步判断：TV、广播广告和销售额线性相关性更强，报纸广告相关性偏弱。

4.4 划分特征集与标签集

将数据拆分为特征 X（广告投入）和标签 y（销售额），这是机器学习建模的标准步骤：

# 特征集：三类广告投入
X = data[['TV', 'radio', 'newspaper']]
# 标签集：销售额（预测目标）
y = data['sales']

4.5 划分训练集与测试集

使用 train_test_split 将数据集按照 75% 训练集 + 25% 测试集 划分，random_state 固定随机种子，保证每次运行划分结果一致：

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X, y,
    random_state=1,
    test_size=0.25  # 测试集占比25%
)

4.6 构建并训练多元线性回归模型

本次任务是连续值预测（回归问题），因此使用 LinearRegression 线性回归模型（注意区分分类算法逻辑回归）：

# 导入线性回归模型
from sklearn.linear_model import LinearRegression

# 初始化模型
linreg = LinearRegression()
# 使用训练集训练模型
linreg.fit(X_train, y_train)

4.7 模型预测 & 输出回归方程

模型训练完成后，使用测试集数据进行预测，并打印回归系数和截距，推导出最终的销量计算公式：

# 测试集预测
y_pred = linreg.predict(X_test)

# 输出模型参数
print("="*50)
print("各广告特征系数（TV, 广播, 报纸）：", linreg.coef_)
print("回归截距：", linreg.intercept_)
print("="*50)

# 拼接线性回归公式
print("销售额预测公式：")
print(f"销售额 = {linreg.coef_[0]:.3f}*TV + {linreg.coef_[1]:.3f}*广播 + {linreg.coef_[2]:.3f}*报纸 + {linreg.intercept_:.3f}")

参数解读：

1. 系数 (coef_)：代表单个广告渠道每增加 1 单位投入，销售额的增量；系数越大，该渠道广告效果越好。
2. 截距 (intercept_)：所有广告投入为 0 时，基础销售额。

五、常见问题避坑

1. NumPy 2.x 版本兼容报错 报错提示 A module that was compiled using NumPy 1.x cannot be run in NumPy 2.x，解决方案：降级 NumPy

   pip install numpy==1.26.4 --force-reinstall
   

2. 回归与逻辑回归混淆 销售额是连续数值，属于回归问题，必须使用 LinearRegression；LogisticRegression 仅用于二分类 / 多分类场景，误用会直接报错。

3. 文件路径问题 Advertising.csv 必须和代码文件放在同一文件夹，否则需要填写文件绝对路径。

六、总结

本文完整实现了数据读取 → 可视化分析 → 数据集划分 → 模型训练 → 预测验证全流程的多元线性回归实战。

1. 利用可视化完成探索性数据分析，挖掘广告与销量的关联；
2. 基于 Scikit-learn 快速搭建多元线性回归模型，得到可落地的预测公式；
3. 该案例是机器学习回归算法的入门经典，可延伸拓展：特征筛选、模型调优、新增特征、岭回归 / Lasso 回归防过拟合等。

整套代码简洁易懂，适合 Python 数据分析、机器学习入门学习者练习使用。