2017年中国法定节假日对订单量的影响分析

本文将通过分析'processed_order_train1.csv'数据，筛选出2017年法定节假日，并计算对应节假日订单量，最终绘制折线图，分析节假日对订单量的影响。

数据准备

首先，我们需要了解2017年中国的法定节假日，包括：

元旦：1月1日
春节：1月27日至2月2日
清明节：4月4日
劳动节：5月1日
端午节：5月30日
中秋节：10月4日
国庆节：10月1日至10月8日

代码实现

读取数据

import pandas as pd

data = pd.read_csv('processed_order_train1.csv')

筛选出节假日

import datetime as dt

holidays = {
dt.datetime(2017, 1, 1): '元旦',
dt.datetime(2017, 1, 27): '春节',
dt.datetime(2017, 1, 28): '春节',
dt.datetime(2017, 1, 29): '春节',
dt.datetime(2017, 1, 30): '春节',
dt.datetime(2017, 1, 31): '春节',
dt.datetime(2017, 2, 1): '春节',
dt.datetime(2017, 2, 2): '春节',
dt.datetime(2017, 4, 4): '清明节',
dt.datetime(2017, 5, 1): '劳动节',
dt.datetime(2017, 5, 30): '端午节',
dt.datetime(2017, 10, 4): '中秋节',
dt.datetime(2017, 10, 1): '国庆节',
dt.datetime(2017, 10, 2): '国庆节',
dt.datetime(2017, 10, 3): '国庆节',
dt.datetime(2017, 10, 4): '国庆节',
dt.datetime(2017, 10, 5): '国庆节',
dt.datetime(2017, 10, 6): '国庆节',
dt.datetime(2017, 10, 7): '国庆节',
dt.datetime(2017, 10, 8): '国庆节'
}

data['holiday'] = data['order_date'].apply(lambda x: holidays.get(dt.datetime.strptime(x, '%Y-%m-%d')))

计算总订单量

holiday_qty = data.groupby('holiday')['ord_qty'].sum().reset_index()

绘制折线图

import matplotlib.pyplot as plt

plt.plot(holiday_qty['holiday'], holiday_qty['ord_qty'])
plt.xticks(rotation=45)
plt.show()

结果分析

从折线图可以看出，春节和国庆节是销售高峰期，其他节假日销售量相对较低。这是因为春节和国庆节是中国最重要的两个长假，很多人会选择在这个时候购物和旅游，因此销售量会比平时高。而其他节假日的销售量相对较低，可能是因为人们的消费习惯和购物需求不同。

总结

本文通过分析'processed_order_train1.csv'数据，筛选出2017年法定节假日，并计算对应节假日订单量，最终绘制折线图，分析节假日对订单量的影响。结果表明，春节和国庆节是销售高峰期，其他节假日订单量相对较低。