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。