完整的 Python 数据分析案例：餐饮外卖订单数据分析与销量预测

1.

案例背景

餐饮外卖行业竞争激烈，商家需要准确了解不同菜品、不同时间段的订单情况，预测未来的订单销量，以便合理安排食材采购、人员排班等，从而提高运营效率和盈利能力。

代码实现

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.svm import SVR
from sklearn.metrics import mean_squared_error, r2_score

# 数据读取
data = pd.read_csv('takeout_orders.csv')

# 数据探索性分析
print('数据基本信息：')
data.info()

# 查看数据集行数和列数
rows, columns = data.shape

if rows < 1000:
    # 小数据集（行数少于 1000）查看全量数据信息
    print('数据全部内容信息：')
    print(data.to_csv(sep='\t', na_rep='nan'))
else:
    # 大数据集查看数据前几行信息
    print('数据前几行内容信息：')
    print(data.head().to_csv(sep='\t', na_rep='nan'))

# 数据清洗
# 处理缺失值
data['rating'] = data['rating'].fillna(data['rating'].mean())
data = data.dropna(subset=['order_count'])

# 特征工程
# 提取订单时间的小时和星期几
data['order_hour'] = pd.to_datetime(data['order_time']).dt.hour
data['order_day_of_week'] = pd.to_datetime(data['order_time']).dt.dayofweek

# 对菜品类别进行独热编码
dish_category_dummies = pd.get_dummies(data['dish_category'], prefix='dish_cat')
data = pd.concat([data, dish_category_dummies], axis=1)

# 特征选择
features = ['rating', 'pr