数据分析-57-爬取KFC早餐，搭配出你的营养早餐（包含代码和数据）

算法学习、4对1辅导、论文辅导、核心期刊
项目的代码和数据下载可以通过公众号滴滴我

---

项目介绍

在当今快节奏的生活中，早餐的选择变得至关重要。而肯德基（KFC）作为全球知名的快餐连锁品牌，其早餐系列丰富多样。想象一下，通过巧妙地爬取 KFC 早餐的相关信息，我们能够轻松地为自己搭配出一份营养均衡的早餐。

通过爬取到的丰富数据，通过多个因素可以分析出早餐主食的最多选择。

数据描述

数据共90行，共4个字段。分别是：name、foods、price、img_url。

以下是表的部分数据：

分析数据

1、导入库

import pandas as pd
import jieba
import wordcloud
import imageio
from collections import Counter
from pyecharts import options as opts
from pyecharts.charts import Bar

导入数据，查看缺失值，异常值的处理

data = pd.read_csv('kfc.csv')
data.head()

data.describe()

data.info()

价格为 0.0 的使用平均数填充

# 价格为 0.0 的使用平均数填充
def f(p):
    if p == 0.0:
        p = 14
        return p
    else:
         return p
data['price'] = data['price'].map(f)

删除缺失值的行

# 删除缺失值的行
data = data.dropna()

连接所有餐名，食物内容及通过jieba分词处理

# 连接所有餐名，食物内容
names = list(data['name'])
foods = list(data['foods'])
names.extend(foods)
names = ' '.join(names)

# 分词
ls = jieba.lcut(names)
txt = ' '.join(ls)

# 清洗掉与食物无关的词语
txt = txt.replace('产品','').replace('包装','').replace('包装实物','')\
      .replace('br','').replace('随心换','').replace('实物','')\
      .replace('主要','').replace('原料','').replace('指比菜','')\
      .replace('单单','').replace('加价','').replace('换购','')\
      .replace('总价','').replace('金额','').replace('为准','')\
      .replace('早餐','').replace('饮品','')

2、主食营养分配

hamburger = {
    '热量' : 250,
    '脂肪' : 10,
    '碳水化合物' : 20,
    '蛋白质' : 10
}
rice_ball = {
    '热量' : 200,
    '脂肪' : 11,
    '碳水化合物' : 21,
    '蛋白质' : 6
}
porridge = {
    '热量' : 50,
    '脂肪' : 1.5,
    '碳水化合物' : 8,
    '蛋白质' : 2.5
}
chicken = {
    '热量' : 255,
    '脂肪' : 15,
    '碳水化合物' : 10,
    '蛋白质' : 21
}

x = ['汉堡','饭团','粥','鸡肉']
y1 = [250,200,50,255]
y2 = [10,11,1.5,15]
y3 = [20,21,8,10]
y4 = [10,6,2.5,21]
c = Bar()
c.add_xaxis(x)
c.add_yaxis("热量", y1, stack="stack1")
c.add_yaxis("脂肪", y2, stack="stack1")
c.add_yaxis("碳水化合物", y3, stack="stack1")
c.add_yaxis("蛋白质", y4, stack="stack1")
c.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
c.set_global_opts(title_opts=opts.TitleOpts(title="主食营养分布"))
#c.render_notebook()
c.render_notebook()

3、小吃营养分布

youtiao = {
    '热量' : 388,
    '脂肪' : 18,
    '碳水化合物' : 51,
    '蛋白质' : 7
}
chayedan = {
    '热量' : 151,
    '脂肪' : 6,
    '碳水化合物' : 12,
    '蛋白质' : 11
}
shubin = {
    '热量' : 327,
    '脂肪' : 22,
    '碳水化合物' : 32,
    '蛋白质' : 3
}
danta = {
    '热量' : 255,
    '脂肪' : 22,
    '碳水化合物' : 38,
    '蛋白质' : 7
}

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType

list2 = [
    {"value": 388, "percent": 388 / (388 + 18 + 51 + 7)},
    {"value": 151, "percent": 151 / (151 + 6 + 12 + 11)},
    {"value": 327, "percent": 327 / (327 + 22 + 32 + 3)},
    {"value": 255, "percent": 255 / (22 + 38 +  + 7 + 255)},
]

list3 = [
    {"value": 18, "percent": 18 / (388 + 18 + 51 + 7)},
    {"value": 6, "percent": 6 / (151 + 6 + 12 + 11)},
    {"value": 22, "percent": 22 / (327 + 22 + 32 + 3)},
    {"value": 22, "percent": 22 / (22 + 38 + 7 + 255)},
]

list4 = [
    {"value": 51, "percent": 51 / (388 + 18 + 51 + 7)},
    {"value": 12, "percent": 12 / (151 + 6 + 12 + 11)},
    {"value": 32, "percent": 32 / (327 + 22 + 32 + 3)},
    {"value": 38, "percent": 38 / (22 + 38 + 7 + 255)},
]

list5 = [
    {"value": 7, "percent": 7 / (388 + 18 + 51 + 7)},
    {"value": 11, "percent": 11 / (151 + 6 + 12 + 11)},
    {"value": 3, "percent": 3 / (327 + 22 + 32 + 3)},
    {"value": 7, "percent": 7 / (22 + 38 + 7 + 255)},
]

c = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
c.add_xaxis(['油条','茶叶蛋','薯饼','蛋挞'])
c.add_yaxis("热量", list2, stack="stack1", category_gap="50%")
c.add_yaxis("脂肪", list3, stack="stack1", category_gap="50%")
c.add_yaxis("碳水化合物", list4, stack="stack1", category_gap="50%")
c.add_yaxis("蛋白质", list5, stack="stack1", category_gap="50%")
c.set_series_opts(
        label_opts=opts.LabelOpts(
            position="right",
            formatter=JsCode(
                "function(x){return Number(x.data.percent * 100).toFixed() + '%';}"
            ),
        )
    )
c.render_notebook()

4、饮品

doujiang = {
    '热量' : 31,
    '脂肪' : 2,
    '碳水化合物' : 1.5,
    '蛋白质' : 3
}
coffe = {
    '热量' : 100,
    '脂肪' : 4,
    '碳水化合物' : 12,
    '蛋白质' : 4
}

from pyecharts import options as opts
from pyecharts.charts import Pie


c = Pie()
c.add(
        "",
        [list(z) for z in zip(["热量", "脂肪",'碳水化合物','蛋白质'],
                              [31,2,1.5, 3])],
        center=["20%", "50%"],
        radius=[60, 80],
    )
c.add(
        "",
        [list(z) for z in zip(["热量", "脂肪",'碳水化合物','蛋白质'],
                              [100,4,12, 4])],
        center=["55%", "50%"],
        radius=[60, 80],
    )
c.set_global_opts(
        title_opts=opts.TitleOpts(title="豆浆（左）咖啡（右）"),
        legend_opts=opts.LegendOpts(
            type_="scroll", pos_top="200%", pos_left="80%", orient="vertical"
        ),
    )
c.render_notebook()