如何利用TURF分析来对餐厅菜品进行组合搭配？

1.数据源说明

1.1 数据简单说明

本数据源采用的是某餐厅8月份的销售明细表。本文会主要用到一下字段值：

• order_id， 产品订单号
• dishes_name，菜品名称
• counts, 消费数量
• amounts，消费金额

1.2 数据截图

以下是数据源的截图

1.3 数据源

数据链接：https://pan.baidu.com/s/1paqa8eA9znU7TTLLYPlIgg
提取码：vqvw

2. 实现思路

若该餐厅打算基于该年8月的订单明细数据情况，打算在当年的9-12月内推出1-2款爆款套餐，以此来吸引更多目标客户，从而增加门店的整体收入水平。为达成这一目的，现可以通过其进行TURF分析来进行解决。

• 1.选取进行组合的菜品
• 2.基于1中选取的产品进行TURF分析
• 3.基于TURF分析的结果进行组合选取

3.进行数据处理和清洗

对于拿到的数据，并非是直接能够进行使用的，因此需要一定的数据清洗

3.1 读入数据

import pandas as pd
import numpy as np
import itertools
import re

meal=pd.read_excel("餐厅销量表.xls")
meal.head()

3.2 菜单名称清洗

# 查看菜名称
meal['dishes_name'].unique()

发现菜单名称中有些不规则的符号

#进行数据清洗
meal['dishes_name']=meal['dishes_name'].map(lambda x:re.sub('(\r|\n|\t|\s)','',x))
meal['dishes_name'].unique()

3.3 选取菜品

基于销售额和销售量情况进行排名，各选取其top10，形成带选取的产品序列

#按菜品进行聚合
dishes_agg=meal.pivot_table(values=['counts','amounts'],index='dishes_name',aggfunc=sum)
#选取付款金额top10
dishes_agg_amount_top_10=dishes_agg.sort_values('amounts',ascending=False).iloc[:10,]
#选取订单数top10
dishes_agg_counts_top_10=dishes_agg.sort_values('counts',ascending=False).iloc[:10,]
concat_dishes=pd.concat([dishes_agg_amount_top_10,dishes_agg_counts_top_10])
# concat_dishes=concat_dishes.d
#进行去重
concat_dishes=concat_dishes.drop_duplicates()
#将得到的菜品进行排序组合
concat_dishes=concat_dishes.sort_values(['amounts','counts'],ascending=False)
trans_columns=concat_dishes.index.tolist()
#删除白饭大碗和小碗中的一种，由于大碗选的人数较多，此处删除小碗
trans_columns.remove('白饭/小碗')
print(trans_columns)
concat_dishes

其结果如下：

3.4 处理成符合要求的输入数据

3.4.1 构建订单和菜品组合

#构建统计矩阵
order_id=meal['order_id'].unique()
#进行笛卡尔乘积
order_dishes=list(itertools.product(order_id.tolist(),trans_columns))
order_dishes_df=pd.DataFrame(order_dishes)
order_dishes_df.columns=['order_id','dishes_name']
order_dishes_df

其结果如下：

将上述的统计矩阵与产品订单情况进行拼接，拼接代码如下：

#基于原始数据进行聚合
deal_agg=meal.pivot_table(values=['counts'],index=['order_id','dishes_name'],aggfunc=sum).reset_index()
#将统计矩阵与原始数据进行拼接，拼接方式为左连接
order_dishes_meg=pd.merge(order_dishes_df,deal_agg,on=['order_id','dishes_name'],how='left')
order_dishes_meg['counts'].fillna(0,inplace=True)
#将counts列的值大于0的都转为1
order_dishes_meg['counts']=order_dishes_meg['counts'].map(lambda x:1 if x>0 else 0)
#将矩阵变换为需要输入的格式
input_df=order_dishes_meg.pivot(index='order_id',columns='dishes_name',values='counts').rename_axis(columns=None).reset_index()
#关于是否将上述产品销量均为0的组合剔除问题，经考虑后认为无需剔除
input_df

得到的输入效果如下：

4.进行TURF分析

def TURF_tool(input_df,cols,max_cbts=10):
    '''生成TURF分析结果，input_df为标准输入的dataframe，cols为需要进行组合的列名，需要为可迭代对象'''
    #先生成组合方式
    combinations=[]
    for i in range(len(cols)):
        combine=list(itertools.combinations(cols,i+1))
        combinations.append(combine)
    #统计以上结果，并进行汇总
    #将对应数据选出，然后对所有列进行all处理，然后利用sum求和计算出符合条件的数量，如df.loc[:,list(combinations[1][0])].all(axis=1).sum()
    # df.loc[:,list(combinations[1][0])]
    combine_list=[]
    for i in range(max_cbts):
        print("正在计算第{}种组合\n".format(i+1))
        temp=combinations[i]
        temp_length= len(combinations[i])
        for j in range(temp_length):
            statis_dict={}
            #提取组合方式，为可迭代对象
            combine_cols=combinations[i][j]
            # 按照组合形式，进行统计结果
            #计算到达数
            count_combine=input_df.loc[:,combine_cols].any(axis=1).sum()
            #计算频数，即累计数量
            acuum_combine=input_df.loc[:,combine_cols].sum().sum()
            statis_dict['组合']=combine_cols
            statis_dict['组合数']= i+1
            statis_dict['到达数']=count_combine
            statis_dict['频数']=acuum_combine
            combine_list.append(statis_dict)
    combine_result=pd.DataFrame(combine_list)
    #得出总数
#     combine_result['总数']=input_df.loc[:,cols].any(axis=1).sum()
    combine_result['总数']=len(input_df)
    #计算到达率
    combine_result['到达率']=combine_result['到达数']/combine_result['总数']
    #计算频率
    combine_result['频率']=combine_result['频数']/combine_result['频数'].max()
    #进行排序
    combine_result=combine_result.sort_values('到达率',ascending=False)
    return combine_result
t_df=TURF_tool(df,trans_cols)
t_df

进行TURF分析，运行后部分截图如下：

5.菜品搭配组合建议

由于该餐厅是为了吸引更多的用户，可以考虑设置2人餐组合和4人餐组合。此处按照2人餐进行举例进行分析，假如是两个人用餐，那么菜品的数量一般为4-5个，利用TURF分析的结果筛选组合数为4和5的菜品组合。效果如下：

组合数为4，部分截图如下

组合数为5，部分截图如下：

• 1.若选取菜品数量为4，可以考虑选用下面组合【‘麻辣小龙虾’, ‘谷稻小庄’, ‘五色糯米饭(七色)’, ‘白饭/大碗’】或【‘麻辣小龙虾’, ‘凉拌菠菜’, ‘五色糯米饭(七色)’, ‘白饭/大碗’】，这些组合形式不仅可以最大满足用户的需求，同时用户还可能会有更大概率多点套餐内的菜品；
• 2.若选取菜品数量为5，可以考虑下面组合【‘芝士烩波士顿龙虾’, ‘麻辣小龙虾’, ‘凉拌菠菜’, ‘五色糯米饭(七色)’, ‘白饭/大碗’】或【‘麻辣小龙虾’, ‘谷稻小庄’, ‘凉拌菠菜’, ‘五色糯米饭(七色)’, ‘白饭/大碗’】，理由同上。

6.写在最后

5中是基于订单本身给出的建议，但仅仅满足于此还不足够。现在有一些新的问题如下，留给读者进行思考。

• 假如菜品搭配时需要考虑价格因素，该如何搭配？
• 假如菜品搭配时要兼具一些滞销品，该如何搭配？
• 假如餐厅为追求高利润，该如何进行搭配？