项目01城市餐饮店铺选址分析

一.项目要求

1、从三个维度“口味”、“人均消费”、“性价比”对不同菜系进行比较，并筛选出可开店铺的餐饮类型

要求：

① 计算出三个维度的指标得分

② 评价方法：

   口味 → 得分越高越好

   性价比 → 得分越高越好

   人均消费 → 价格适中即可

③ 制作散点图，x轴为“人均消费”，y轴为“性价比得分”，点的大小为“口味得分”

   绘制柱状图，分别显示“口味得分”、“性价比得分”

   * 建议用bokeh做图

提示：

① 数据清洗，清除空值、为0的数据

② 口味指标计算方法 → 口味评分字段，按照餐饮类别分组算均值，再做标准化处理

③ 人均消费指标计算方法 → 人均消费字段，按照餐饮类别分组算均值，再做标准化处理

④ 性价比指标计算方法 → 性价比 = （口味 + 环境 + 服务）/人均消费，按照餐饮类别分组算均值，再做标准化处理

⑤ 数据计算之前，检查一下数据分布，去除异常值（以外限为标准）

   * 这里排除了高端奢侈餐饮的数据干扰

⑥ 注意，这里先分别计算三个指标，再合并数据（merge）作图，目的是指标之间的噪音数据不相互影响

二.实现代码

1.在spyder里完成。可查看数据结果，如图。

2.一个错误：

解决办法：

from bokeh.io import output_file

3.完整代码

# -*- coding: utf-8 -*-
"""
Created on Sat Feb 15 16:00:33 2020

@author: houhuan
"""

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 不发出警告
import warnings
warnings.filterwarnings('ignore') 

# 导入notebook绘图模块
from bokeh.io import output_notebook
output_notebook()

# 导入图表绘制、图标展示模块
# 导入ColumnDataSource模块
from bokeh.plotting import figure,show
from bokeh.models import ColumnDataSource

'''
(1)加载数据
'''
import os
os.chdir('C:/Users/houhuan/Desktop/项目01城市餐饮店铺选址分析')
#os.chdir('C:\Users\houhuan\Desktop\\项目01城市餐饮店铺选址分析')
df1 = pd.read_excel('上海餐饮数据.xlsx')
df1_length = len(df1)
df1_columns = df1.columns.tolist()  
print('数据量为%i条' % len(df1))
print(df1.head())

'''
(2)计算口味、客单价、性价比指标
'''
# 筛选数据，清除空值、为0的数据
data1 = df1[['类别','口味','环境','服务','人均消费']]
data1.dropna(inplace = True)  #去除为空的数据
data1 = data1[(data1['口味']>0)&(data1['人均消费']>0)]  #去除为0的数据

# 计算性价比指数
data1['性价比'] = (data1['口味'] + data1['环境'] + data1['服务']) / data1['人均消费']

# 查看异常值
# 创建函数1,制作箱型图，查看异常值
def f1():
    fig,axes = plt.subplots(1,3,figsize = (10,4))
    data1.boxplot(column=['口味'],ax = axes[0])
    data1.boxplot(column=['人均消费'],ax = axes[1])
    data1.boxplot(column=['性价比'],ax = axes[2])

# 创建函数2:删除异常值
def f2(data,col):
    q1 = data[col].quantile(q = 0.25)
    q3 = data[col].quantile(q = 0.75) 
    iqr = q3-q1
    t1 = q1 - 3 * iqr
    t2 = q3 + 3 * iqr
    return data[(data[col] > t1)&(data[col]<t2)][['类别',col]]

# 数据异常值处理
data_kw = f2(data1,'口味')
data_rj = f2(data1,'人均消费')
data_xjb = f2(data1,'性价比')

# 创建函数3：标准化指标并排序
def f3(data,col):
    col_name = col + '_norm'
    data_gp = data.groupby('类别').mean()
    data_gp[col_name] = (data_gp[col] - data_gp[col].min())/(data_gp[col].max()-data_gp[col].min())
    data_gp.sort_values(by = col_name, inplace = True, ascending=False)
    return data_gp

# 指标标准化得分
data_kw_score = f3(data_kw,'口味')
data_rj_score = f3(data_rj,'人均消费')
data_xjb_score = f3(data_xjb,'性价比')

# 合并数据
# 合并性价比指标得分
data_final_q1 = pd.merge(data_kw_score,data_rj_score,left_index=True,right_index=True)    # 合并口味、人均消费指标得分
data_final_q1 = pd.merge(data_final_q1,data_xjb_score,left_index=True,right_index=True)       

data_final_q1.head()

'''
(3)绘制图表辅助分析
   制作散点图、柱状图
'''

# 导入模块
from bokeh.layouts import gridplot
from bokeh.models import HoverTool
#from bokeh.palettes import brewer
from bokeh.models.annotations import BoxAnnotation
from bokeh.io import output_file

output_file('project01_h1.html')
#output_notebook() 

# 将列名改为英文
data_final_q1['size'] = data_final_q1['口味_norm'] * 40  #添加size字段
data_final_q1.index.name = 'type'
data_final_q1.columns = ['kw','kw_norm','price','price_norm','xjb','xjb_norm','size']

# 创建ColumnDataSource数据
source = ColumnDataSource(data_final_q1)

# 设置标签显示内容
hover = HoverTool(tooltips=[("餐饮类型", "@type"),
                            ("人均消费", "@price"),
                            ("性价比得分", "@xjb_norm"),
                            ("口味得分", "@kw_norm")
                           ]) 
#散点图
result = figure(plot_width=800, plot_height=250,
                title="餐饮类型得分情况" ,
                x_axis_label = '人均消费', y_axis_label = '性价比得分', 
                tools=[hover,'box_select,reset,xwheel_zoom,pan,crosshair']) 
# 构建绘图空间
result.circle(x = 'price',y = 'xjb_norm',source = source,
         line_color = 'black',line_dash = [6,4],fill_alpha = 0.6,
        size = 'size')

# 设置人均消费中间价位区间
price_mid = BoxAnnotation(left=40,right=80, fill_alpha=0.1, fill_color='navy')   
result.add_layout(price_mid)

result.title.text_font_style = "bold"
result.ygrid.grid_line_dash = [6, 4]
result.xgrid.grid_line_dash = [6, 4]

# 绘制柱状图
# 柱状图1
data_type = data_final_q1.index.tolist()# 提取横坐标

kw = figure(plot_width=800, plot_height=250, title='口味得分',x_range=data_type,tools=[hover,'box_select,reset,xwheel_zoom,pan,crosshair'])
kw.vbar(x='type', top='kw_norm', source=source,width=0.9, alpha = 0.8,color = 'red')   
kw.ygrid.grid_line_dash = [6, 4]
kw.xgrid.grid_line_dash = [6, 4]

# 柱状图2
price = figure(plot_width=800, plot_height=250, title='人均消费得分',x_range=kw.x_range,
              tools=[hover,'box_select,reset,xwheel_zoom,pan,crosshair'])
price.vbar(x='type', top='price_norm', source=source,width=0.9, alpha = 0.8,color = 'green') 
price.ygrid.grid_line_dash = [6, 4]
price.xgrid.grid_line_dash = [6, 4]

    
p = gridplot([[result],[kw], [price]])
# 组合图表
show(p)



print('finished!')

三.结果图

结果：选择素菜作为开店铺的餐饮类型。