预测与可视化：使用Python模拟和预测保险产品的15年销售数据

模拟生成了一家保险公司过去10年（2008-2017）的10款产品的销售数据，并使用线性回归模型预测了这些产品未来5年（2018-2022）的销售情况。最终，它将所有15年（过去10年加未来5年）的销售数据和预测保存到一个Excel文件中，并在该Excel文件中创建了每个产品每年销售情况的柱状图。

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
import openpyxl
from openpyxl.chart import BarChart, Reference

# 设置随机种子以便复现
np.random.seed(0)

# 生成年份和产品信息
years = np.arange(2008, 2018)
products = [f'Product_{i}' for i in range(1, 11)]

# 生成10年的销售数据 xpanx.com
data = []
for year in years:
    for product in products:
        sales = np.random.randint(1000, 5000)
        data.append([year, product, sales])

df = pd.DataFrame(data, columns=['Year', 'Product', 'Sales'])

# 生成未来5年的销售预测
predictions = []
for product in products:
    product_data = df[df['Product'] == product]
    X = product_data[['Year']]
    y = product_data['Sales']
    
    model = LinearRegression()
    model.fit(X, y)
    
    future_years = np.arange(2018, 2023)
    future_sales = model.predict(future_years.reshape(-1, 1))
    
    for year, sales in zip(future_years, future_sales):
        predictions.append([year, product, sales])

df_pred = pd.DataFrame(predictions, columns=['Year', 'Product', 'Sales'])

# 合并实际和预测数据
df_all = pd.concat([df, df_pred], ignore_index=True)

# 保存到Excel文件
excel_path = 'Insurance_Company_Sales_Data.xlsx'
with pd.ExcelWriter(excel_path) as writer:
    df_all.to_excel(writer, sheet_name='All_Sales', index=False)

# 用openpyxl添加柱状图 xpanx.com
wb = openpyxl.load_workbook(excel_path)
ws = wb['All_Sales']

for idx, product in enumerate(products, 1):
    chart = BarChart()
    chart.title = f"Sales Data for {product}"
    chart.x_axis.title = "Year"
    chart.y_axis.title = "Sales"
    
    min_row = 2 + (idx - 1) * 10
    max_row = min_row + 9
    data = Reference(ws, min_col=3, min_row=min_row, max_row=max_row, max_col=3)
    chart.add_data(data, titles_from_data=False)
    
    cats = Reference(ws, min_col=1, min_row=min_row, max_row=max_row)
    chart.set_categories(cats)
    
    ws.add_chart(chart, f"E{min_row}")

wb.save(excel_path)

知识点解释

1. Python基础语法：脚本使用Python编程语言。Python是一个高级、解释型、交互式和面向对象的脚本语言。
2. NumPy库：用于数值计算，尤其是对于大型数组和矩阵的操作。在这个脚本中，我们使用NumPy生成随机的销售数据和年份数组。

np.random.seed(0)
np.random.randint(1000, 5000)

3、Pandas库：数据分析和操作库。在这个脚本中，Pandas用于创建和操作数据框（DataFrame），这是一个二维标签化数据结构。

pd.DataFrame(data, columns=['Year', 'Product', 'Sales'])

4、scikit-learn库：机器学习库，提供了多种机器学习算法的实现。在这里，我们使用了该库的LinearRegression模型来预测未来销售。

model = LinearRegression()
model.fit(X, y)

5、openpyxl库：用于读写Excel（.xlsx）文件。在这里，该库用于在Excel工作簿中添加柱状图。

chart = BarChart()
ws.add_chart(chart, f"E{min_row}")

Excel操作：该脚本不仅保存数据到Excel文件中，还使用openpyxl库在Excel工作簿中动态创建图表。

线性回归：这是一个监督学习算法，用于找出输入和输出之间的线性关系。在这个脚本中，年份是输入（或特征），销售额是输出（或目标变量）。

数据可视化：通过在Excel中创建柱状图，该脚本实现了基本的数据可视化，使得销售数据更易于理解和解释。

文件I/O：脚本使用Pandas和openpyxl库进行文件输入/输出操作，将数据和图表保存到Excel文件中。