如何用Python实现多变量组合的营销营收同比波动归因分析？

作为营销分析新手，手动逐个分析变量效率低太正常了——用Python完全能帮你把这个流程自动化，一次性生成所有变量组合的营收同比（YoY）波动结果，下面是具体的实现思路和代码：

一、准备工具 #

首先确保你安装了pandas（处理数据的核心库），itertools是Python自带的工具库，用来生成变量组合，不用额外安装：

pip install pandas

二、数据预处理 #

先把原始数据整理成pandas可处理的格式，重点是把带$的营收转换成数值，方便后续计算：

import pandas as pd
from itertools import combinations

# 替换成你自己的数据集即可
data = pd.DataFrame({
    'age': ['10-20', '20-30', '10-20', '20-30'],
    'sex': ['Male', 'Female', 'Male', 'Male'],
    'business_unit': ['unit_1', 'unit_2', 'unit_1', 'unit_2'],
    'year': [2018, 2019, 2019, 2020],
    'month': [1, 2, 1, 2],
    'revenue': ['$100', '$250', '$50', '$200'],
    'name': ['chloe', 'arnold', 'chloe', 'arnold']
})

# 把带$的营收字符串转成数值类型
data['revenue'] = data['revenue'].str.replace('$', '').astype(float)

三、生成所有变量组合 #

我们需要生成除year、month、revenue、name之外的特征列的所有非空组合（从单个变量到多变量的所有搭配）：

# 定义需要分析的特征列，根据你的数据集调整
feature_cols = ['age', 'sex', 'business_unit']

# 生成1个、2个、3个变量的所有组合
all_combinations = []
for i in range(1, len(feature_cols)+1):
    all_combinations.extend(combinations(feature_cols, i))

四、计算每个组合的YoY波动 #

遍历每个变量组合，按「组合列+年份」分组计算总营收，再算出同比变化：

# 存储所有结果的列表
results = []

for combo in all_combinations:
    # 按变量组合 + 年份分组，计算每年的总营收
    grouped = data.groupby(list(combo) + ['year'])['revenue'].sum().reset_index()
    
    # 按变量组合排序，保证年份是递增顺序
    grouped = grouped.sort_values(by=list(combo) + ['year'])
    
    # 计算YoY变化：当前年份营收 - 上一年营收
    grouped['yoy_change'] = grouped.groupby(list(combo))['revenue'].diff()
    
    # 过滤掉没有上一年数据的行（第一年无法计算YoY）
    grouped = grouped.dropna(subset=['yoy_change'])
    
    # 转换成你想要的输出格式
    for _, row in grouped.iterrows():
        # 拼接变量组合的取值
        combo_vals = ' '.join([str(row[col]) for col in combo])
        # 格式化YoY金额（负数显示为-$XX）
        yoy_formatted = f"${row['yoy_change']:.0f}" if row['yoy_change'] >=0 else f"-${abs(row['yoy_change']):.0f}"
        results.append(f"{combo_vals} revenue {yoy_formatted} year over year")

# 打印所有结果
for res in results:
    print(res)

运行后会得到类似这样的输出（对应示例数据）：

10-20 revenue -$50 year over year
20-30 revenue -$50 year over year
Male revenue -$50 year over year
Female revenue $0 year over year
unit_1 revenue -$50 year over year
unit_2 revenue -$50 year over year
10-20 Male revenue -$50 year over year
10-20 unit_1 revenue -$50 year over year
Male unit_1 revenue -$50 year over year
20-30 Female revenue $0 year over year
20-30 unit_2 revenue -$50 year over year
Male unit_2 revenue -$50 year over year
10-20 Male unit_1 revenue -$50 year over year
20-30 Female unit_2 revenue $0 year over year
20-30 Male unit_2 revenue -$50 year over year

五、额外优化建议 #

• 如果数据集很大（百万级行），可以用dask替代pandas，提升处理速度；
• 可以把结果保存成CSV文件方便后续分析：pd.DataFrame(results, columns=['result']).to_csv('yoy_results.csv', index=False)；
• 要是需要同比增长率（而非绝对金额），把diff()换成pct_change()，再转成百分比格式即可。

内容的提问来源于stack exchange，提问作者Felipe Ribeiro