如何绘制月度候选人流失率趋势图以分析季节性波动

核心问题分析 #

• 你的Candidate_%列被错误标注为datetime64[ns]类型，这会导致绘图时无法正确识别为数值型Y轴数据
• 直接用完整Date列做X轴会混同年月，无法单独对比各年份的月度趋势

分步解决方案 #

1. 修正数据类型 #

先将Candidate_%列转换为数值类型（根据实际存储格式调整代码）：

# 若为带%的字符串格式，先去除符号再转浮点数
df['Candidate_%'] = df['Candidate_%'].str.replace('%', '').astype(float)
# 若为误存为datetime的数值，先转字符串再转浮点数
# df['Candidate_%'] = df['Candidate_%'].dt.strftime('%Y%m%d').astype(float)

2. 提取月份和年份字段 #

从Date列中拆分出用于分组和展示的维度字段：

df['Month'] = df['Date'].dt.month  # 提取1-12的月份数字
df['Year'] = df['Date'].dt.year    # 提取年份（如2022、2023）

3. 绘制按年份区分的月度趋势图 #

使用seaborn生成目标可视化图表：

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(10,6))
sns.lineplot(x='Month', y='Candidate_%', data=df, hue='Year', marker='o')
plt.xlabel('月份')
plt.ylabel('候选人流失率(%)')
plt.title('各年份月度候选人流失率趋势')
plt.xticks(range(1,13))  # 强制显示1-12月完整刻度
plt.legend(title='年份')
plt.show()

效果说明 #

• X轴固定显示1-12月，可清晰对比不同年份同一月份的流失率差异
• 不同颜色线条区分各年份，能直观捕捉季节性波动规律（如特定月份流失率普遍偏高）

内容的提问来源于stack exchange，提问作者technical