6.27数据分析实训任务1.1（python）

import pandas as pd
import matplotlib.pyplot as plt

# 读取 CSV 文件
data = pd.read_csv(r"C:\Users\XXGC\Desktop\shiuxun3.csv")

# 将订单创建时间转换为 datetime 类型
data["订单创建时间"] = pd.to_datetime(data["订单创建时间"])

# 提取小时信息
data["小时"] = data["订单创建时间"].dt.hour

# 计算每个小时的订单数量
hourly_orders = data.groupby("小时")["订单编号"].count()

# 绘制折线图
plt.figure(figsize=(12, 6))
plt.plot(hourly_orders.index, hourly_orders.values)
plt.xlabel("小时")
plt.ylabel("订单数量")
plt.title("订单数量随时间的变化（小时维度）")
plt.xticks(range(0, 24, 2))
plt.grid(True)
plt.show()

# 数据分析
# 1. 订单数量最多的小时
max_hour = hourly_orders.idxmax()
max_orders = hourly_orders.max()
print("订单数量最多的小时是：{} 点，订单数量为：{}".format(max_hour, max_orders))

# 2. 总订单数量
total_orders = data["订单编号"].count()
print("总订单数量为：{}".format(total_orders))

# 3. 平均订单金额
average_amount = data["总金额"].mean()
print("平均订单金额为：{:.2f}".format(average_amount))

# 4. 退款订单数量和退款金额
refund_orders = data[data["退款金额"] > 0]
refund_orders_count = refund_orders.shape[0]
refund_amount = refund_orders["退款金额"].sum()
print("退款订单数量为：{}，退款金额为：{:.2f}".format(refund_orders_count, refund_amount))