python点shp密度分析_【项目01】 城市餐饮店铺选址分析

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

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
get_ipython().run_line_magic('matplotlib', 'inline')

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

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

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

import os
os.chdir('C:UserspercyDesktop练习03_城市餐饮店铺选址分析')
# 创建工作路径

df1 = pd.read_excel('上海餐饮数据.xlsx',sheetname=0,header=0)
df1_length = len(df1)
df1_columns = df1.columns.tolist()
print('数据量为%i条' % len(df1))
print(df1.head())

# 口味、客单价、性价比指标计算

data1 = df1[['类别','口味','环境','服务','人均消费']]
data1.dropna(inplace = True)
data1 = data1[(data1['口味']>0)&(data1['人均消费']>0)]
# 筛选数据，清除空值、为0的数据

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

fig,axes = plt.subplots(1,3,figsize &