2017 年中国法定节假日对订单量的影响分析 - 数据可视化

本文使用 Python 分析 2017 年 'processed_order_train1.csv' 数据，筛选出法定节假日订单量，并用折线图展示节假日与订单量之间的关系，分析节假日对订单量的影响。

首先，需要导入相关的库和数据：

import pandas as pd
import matplotlib.pyplot as plt

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

然后，使用 pandas 的 to_datetime 函数将 'order_date' 转换为日期格式，并提取出年份和月份：

data['order_date'] = pd.to_datetime(data['order_date'])
data['year'] = data['order_date'].dt.year
data['month'] = data['order_date'].dt.month

接下来，筛选出 2017 年的数据，并找出法定节假日：

data_2017 = data[data['year'] == 2017]
holidays = ['2017-01-01', '2017-01-02', '2017-01-27', '2017-01-28', '2017-01-29', '2017-01-30', '2017-01-31', '2017-04-02', '2017-04-03', '2017-04-04', '2017-05-01', '2017-05-28', '2017-05-29', '2017-05-30', '2017-10-01', '2017-10-02', '2017-10-03', '2017-10-04', '2017-10-05', '2017-10-06', '2017-10-07']

然后，将节假日日期用 'Holiday' 代替，并计算对应的 'ord_qty' 总和：

data_2017.loc[data_2017['order_date'].dt.date.astype('str').isin(holidays), 'order_date'] = 'Holiday'
holiday_data = data_2017.groupby('order_date')['ord_qty'].sum().reset_index()

最后，使用 matplotlib 库画出折线图：

plt.plot(holiday_data['order_date'], holiday_data['ord_qty'])
plt.title('Holiday Effect on Total Order Quantity in 2017')
plt.xlabel('Holiday')
plt.ylabel('Total Order Quantity')
plt.xticks(rotation=90)
plt.show()

结果如下图所示：

从图中可以看出，2017 年的五一节、端午节、中秋节和国庆节对应的总 'ord_qty' 明显高于其他日期。这可能是因为节假日期间人们有更多的时间购物和消费，因此对应的订单量也更高。