酒店实住间夜 酒店直销订单 酒店直销间夜 酒店直销实住订单 酒店直销实住间夜 酒店直销拒单 酒店直销拒单率 城市直销订单,用这几个数据做四种以上不同的可视化

以下是几个示例，演示如何基于给定的数据做不同的可视化：

1. 折线图：用于比较不同时间段内的酒店实住间夜和酒店直销间夜

import pandas as pd
import matplotlib.pyplot as plt

# 读入数据
data = pd.read_csv("data.csv")

# 提取日期和酒店实住间夜、酒店直销间夜两列数据
dates = data['日期']
hotel_stay_nights = data['酒店实住间夜']
direct_sales_nights = data['酒店直销间夜']

# 绘制折线图
plt.plot(dates, hotel_stay_nights, label='酒店实住间夜')
plt.plot(dates, direct_sales_nights, label='酒店直销间夜')
plt.xticks(rotation=90)
plt.xlabel('日期')
plt.ylabel('间夜数')
plt.legend()
plt.show()

2. 散点图：用于比较酒店直销订单和酒店直销实住订单之间的关系

import pandas as pd
import matplotlib.pyplot as plt

# 读入数据
data = pd.read_csv("data.csv")

# 提取酒店直销订单和酒店直销实住订单两列数据
direct_sales_orders = data['酒店直销订单']
direct_sales_stay_orders = data['酒店直销实住订单']

# 绘制散点图
plt.scatter(direct_sales_orders, direct_sales_stay_orders)
plt.xlabel('酒店直销订单')
plt.ylabel('酒店直销实住订单')
plt.show()

3. 条形图：用于比较不同星级酒店的酒店直销拒单率

import pandas as pd
import matplotlib.pyplot as plt

# 读入数据
data = pd.read_csv("data.csv")

# 提取星级和酒店直销拒单率两列数据
star_ratings = data['星级']
direct_sales_reject_rate = data['酒店直销拒单率']

# 计算每个星级下的酒店直销拒单率均值
mean_reject_rates = []
for star in range(1, 6):
    mean_reject_rate = direct_sales_reject_rate[star_ratings == star].mean()
    mean_reject_rates.append(mean_reject_rate)

# 绘制条形图
plt.bar(range(1, 6), mean_reject_rates)
plt.xticks(range(1, 6))
plt.xlabel('星级')
plt.ylabel('酒店直销拒单率均值')
plt.show()

4. 箱线图：用于比较不同城市的城市直销订单和城市直销拒单率

import pandas as pd
import matplotlib.pyplot as plt

# 读入数据
data = pd.read_csv("data.csv")

# 提取城市直销订单和城市直销拒单率两列数据
city_sales_orders = data['城市直销订单']
city_sales_reject_rate = data['城市直销拒单率']

# 绘制箱线图
plt.boxplot([city_sales_orders, city_sales_reject_rate])
plt.xticks([1, 2], ['城市直销订单', '城市直销拒单率'])
plt.ylabel('数量')
plt.show()

需要注意的是，这里只是一个简单的示例，实际的可视化方法和结果可能因数据的特点和分析目的而异。同时，在实际应用时，还需要根据数据的特点和分析目的选择合适的可视化方式，并对图表进行进一步的调整和美化。