如何用Python量化门店间业务指标的相似性？技术实现咨询

Hey there! 针对你提到的门店相似度量化需求，我帮你梳理下两种方法的细节，重点把KNN的实现步骤拆解清楚：

方法1：皮尔逊相关系数（验证与优化提示） #

你提到的皮尔逊相关系数确实是衡量连续指标线性相似性的好选择，它能反映门店间三个业务指标的变化趋势是否一致。这里补充两个小细节：

• 皮尔逊相关系数本身对指标量级不敏感（因为是协方差除以标准差乘积），所以不需要提前标准化也能得到可靠结果；
• 把相关系数乘以100转成百分比（比如0.86→86%），就是直观的相似度表述，完全符合你的示例需求。

方法2：KNN距离计算模型的实现步骤（详细指导） #

KNN的核心是通过特征空间的距离找最相似样本，适合定位“业务规模/结构最接近”的门店，咱们一步步来实现：

1. 数据准备与预处理（关键步骤） #

KNN是基于距离计算的模型，必须先做特征标准化——不然量级大的指标（比如TotalSales）会完全主导距离计算，导致结果失真。常用的标准化方式是Z-score标准化（把特征转成均值为0、方差为1的分布）。

2. 选择距离度量 #

针对你的业务指标（都是连续型绝对值指标），优先选择欧氏距离（最直观的空间距离计算）；如果更看重指标的比例关系而非绝对值，可以用余弦相似度。

3. 实现方式（手动编码+库调用双版本） #

这里用Python做示例，因为数据分析生态最完善：

示例代码：数据构造与预处理

import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import NearestNeighbors

# 构造模拟数据（替换成你的真实数据即可）
store_data = pd.DataFrame({
    'StoreID': ['1', '2', '3', '4', '5', '6'],
    'TotalSales': [12000, 15000, 11000, 18000, 13000, 12500],
    'NumCustomers': [280, 350, 260, 420, 300, 290],
    'AvgUnitPrice': [42.86, 42.86, 42.31, 42.86, 43.33, 43.10]
})

# 提取特征列并标准化
features = store_data[['TotalSales', 'NumCustomers', 'AvgUnitPrice']]
scaler = StandardScaler()
scaled_features = scaler.fit_transform(features)

手动实现（理解核心逻辑）

# 获取门店6的标准化特征向量
store6_scaled = scaled_features[-1]
# 计算门店6与1-5的欧氏距离
distances = [np.linalg.norm(store6_scaled - scaled_features[i]) for i in range(5)]
# 找到距离最小的门店（最相似）
closest_idx = np.argmin(distances)
closest_store = store_data.iloc[closest_idx]['StoreID']
# 把距离转成0-100%的相似度（距离越小，相似度越高）
similarity = 1 / (1 + distances[closest_idx]) * 100

print(f"手动计算结果：最相似门店是{closest_store}，相似度{similarity:.1f}%")

调用SKlearn库（高效且可扩展）

# 初始化KNN模型，设置找最近的1个门店
knn_model = NearestNeighbors(n_neighbors=1, metric='euclidean')
# 用门店1-5的特征训练模型
knn_model.fit(scaled_features[:-1])
# 查找门店6的最近邻
distance, indices = knn_model.kneighbors([scaled_features[-1]])
# 转换为相似度
similarity = 1 / (1 + distance[0][0]) * 100

print(f"SKlearn KNN结果：最相似门店是{store_data.iloc[indices[0][0]]['StoreID']}，相似度{similarity:.1f}%")

两种方法的适用场景对比 #

• 皮尔逊相关：适合衡量业务趋势的相似性（比如门店6和门店1的销售、客数涨跌趋势是否一致），不关注绝对值差异；
• KNN距离：适合衡量业务状态的接近程度（比如门店6的销售规模、客群数量、客单价组合和哪家门店最像），更适合找“对标门店”。

内容的提问来源于stack exchange，提问作者Youssef Razak