内容简介:作者 | CDA数据分析师来源 | CDA数据分析师
作者 | CDA数据分析师
来源 | CDA数据分析师
说起湖南这个地方,大家想到的肯定是各种吃的,最常听到的就是臭豆腐,外焦里嫩,闻起来臭吃起来香,一口下去让人回味无穷。
还有香甜软糯的糖油粑粑,炸至金黄的糯米,外面裹着糖浆。
还有就是口味虾了,口味虾又叫麻辣小龙虾。在夏天的时候,邀上三五好友,来上几盘口味虾,搭配上啤酒,肥宅的生活就这么快乐的开始了,味道麻辣爽口,一口下去就想吃下一口!在湖南,没有吃上口味虾的夏天都是不完整的。
那么湖南的吃货们都喜欢吃哪家的口味虾呢?今天我们就用数据来盘一盘。
我们使用 Python 获取了大众点评上长沙口味虾店铺的相关信息,进行了数据分析,整体流程如下:
-
网络数据获取
-
数据读入
-
数据探索与可视化
-
K-means聚类分析
数据读入
首先导入所需包,并读入获取的数据集。
# 导入包 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import jieba from pyecharts.charts import Bar, Pie, Page from pyecharts import options as opts from pyecharts.globals import SymbolType, WarningType WarningType.ShowWarning = False import plotly.express as px import plotly.graph_objects as go
此数据集包含50个搜索页面共745条数据,字段包含:餐厅名、星级、星级评分、评论数、人均消费、推荐菜、口味、环境和服务得分。
数据预览如下:
# 读入数据 df = pd.read_excel('../data/长沙小龙虾数据.xlsx') df.drop('detail_url', axis=1, inplace=True) df.head()
数据预处理
此处我们对数据进行如下处理以便后的分析工作。
-
title: 去除前后符号
-
star:提取星级
-
score: 提取数值,转换为类别型
-
comment_list:提取口味、环境、服务得分
-
删除多余的行和列
# 星级转换 transform_star = { 20: '二星', 30: '三星', 35: '准四星', 40: '四星', 45: '准五星', 50: '五星' } # 处理title df['title'] = df['title'].str.replace(r"\[\'|\'\]", "") # star处理 df['star'] = df.star.str.extract(r'(\d+)')[0].astype('int') df['star_label'] = df.star.map(transform_star) # 处理score df['score'] = df['score'].str.replace(r"\[\'|\'\]", "").replace("[]", np.nan) df['score'] = df['score'].astype('float') # 口味 df['taste'] = df.comment_list.str.split(',').str[0].str.extract(r'(\d+\.*\d+)').astype('float') # 环境 df['environment'] = df.comment_list.str.split(',').str[1].str.extract(r'(\d+\.*\d+)').astype('float') # 服务 df['service'] = df.comment_list.str.split(',').str[1].str.extract(r'(\d+\.*\d+)').astype('float') # 删除列 df.drop('comment_list', axis=1, inplace=True) # 删除行 df.dropna(subset=['taste'], axis=0, inplace=True) # 删除记录少的 df = df[df.star!=20]
处理之后的数据如下,分析样本为560条。
df.head()
数据可视化
以下展示部分可视化代码:
1、不同星级店铺数量分布
准四星商户最多,占比高达65%, 超过四星以上的商户占比18%,其中五星商户数量最少,仅有10家。
# 产生数据 star_num = df.star.value_counts().sort_index(ascending=True) x_data = star_num.index.map(transform_star).tolist() y_data = star_num.values.tolist() # 条形图 bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px')) bar1.add_xaxis(x_data) bar1.add_yaxis('', y_data) bar1.set_global_opts(title_opts=opts.TitleOpts(title='不同星级商户数量分布'), visualmap_opts=opts.VisualMapOpts(max_=365) ) bar1.render()
2、店铺评论数分布
我们假设评论数目为店铺的热度,也就是它越火,消费人数越多,评论数目越多。
从直方图中可以看出,数据呈现比较严重的右偏分布,其中超过1万评论的仅有两家,我们挑选出来看一下,发现这两家都是超级文和友, 超级文和友是长沙网红打卡地,国庆期间一天排16000+个号的超级网红龙虾馆 ,难怪热度会这么高。
# 直方图 px.histogram(data_frame=df , x='review_num', color='star_label', histfunc='sum', title='不同星级的评论数分布', nbins=20, width=1150, height=750)
3、人均价格区间分布
我们绘制了所有店铺口味虾人均消费价格分布的直方图,发现价格分布在20~180元之间,其中人均消费大部分都在67-111元的区间内。扩展看,人均消费和商户的星级有关系吗?
# 直方图 px.histogram(data_frame=df , x='mean_price', color='star_label', histfunc='sum', title='小龙虾人均消费价格分布', nbins=20, width=1150, height=750)
4、不同星级店铺与价格等因素的关系
不同星级与价格的关系:
这里绘制了星级和价格分布的小提琴图,用来展示多组数据的分布状态以及概率密度。从图形可以看出,不同星级和价格之间的分布有显著差异,表现为星级越高,平均消费价格越高。
# 小提琴图 plt.figure(figsize=(15, 8)) sns.violinplot(x='star_label', y='mean_price', data=df, order=['五星', '准五星', '四星', '准四星', '三星'] ); plt.title('不同星级和价格的关系', fontsize=20) plt.show()
不同星级和其他得分项的关系:
我们预想,星级评价越好,它在口味、环境和服务的得分越高,热度也就越高,从绘制出来的箱线图也可以验证我们的这一假设。
那么店铺得分与口味、环境、服务、评论数量、平均价格有关系吗?接下来我们绘制一张多变量图看一下。
5、数值型变量关系
数值型变量关系
多变量图用于探索数值型变量之间的关系,从多变量图可以看出:
-
店铺得分与 口味、环境、服务得分呈现较为显著的线性相关,这也和之前的验证一致 ;
-
店铺得分和人均消费价格、评论数量关系不显著;
-
口味、环境、服务得分之间有显著的正相关,三者存在高则同高的情况。
# 多变量图 sns.pairplot(data=df[['score', 'review_num', 'mean_price', 'taste', 'environment', 'service', 'star_label']] , hue='star_label') plt.show()
数值型变量之间的相关系数
为了验证上述可视化的结果,我们通过Python计算数值型变量之间的pearson相关系数,根据经验,|r|>=0.8时,可视为高相关。从热力图中也可以得到上述结论。
# 相关系数 data_corr = df[['score', 'review_num', 'mean_price', 'taste', 'environment', 'service']].corr() # 热力图 plt.figure(figsize=(15, 10)) sns.heatmap(data_corr, linewidths=0.1, cmap='tab20c_r', annot=True) plt.title('数值型变量间相关系数', fontdict={'fontsize': 'xx-large', 'fontweight':'heavy'}) plt.xticks(fontsize=12) plt.yticks(fontsize=12) plt.show()
6、 推荐菜词云图
假设店铺的推荐菜就是不同店铺的热门菜,我们使用jieba对推荐菜进行分词并绘制词云图:
发现"卤虾"、"口味虾"、"油爆虾"是大家爱点的热门菜。另外大家点口味虾的同时也爱点"口味花甲"、"凤爪"、"牛油"之类的串儿等菜。
7、K-means聚类分析群集占比
K-means聚类分析群集占比:
聚类分析用于将样本做群集划分,同一集群内成员的相似性要愈高愈好, 而不同集群间成员的相异性则要愈高愈好。我们使用Python进行了K-means聚类,对数值型变量:得分、评论数、平均价格、口味、环境、服务评论做群集划分,这里取K为3。得到以上三群,其中非常推荐的数量有3家,一般推荐的459家,非常不推荐的有97家。我们看一下这三群的描述性统计:
K-means聚类分析分布:
以上是不同群集的直方图分布,通过群集分布图,可以总结如下:
-
非常推荐:各项得分最高、评论数最多、价格最高
-
一般推荐:各项得分居中、评论数居中、价格居中
-
非常不推荐:各项得分最低、评论数最低、价格最低
由于在做聚类分析时候去除了一个评论数为30509.0的异常样本。加上这条样本,得到最终推荐的四家店铺:
最后附上大众点评上热度值Top10的口味虾店,看看有没有你种草的店吧~
更多精彩推荐 ☞太 6 了!区块链包包、疫情防控大脑……程序员这样玩转区块链! ☞谷歌教父传奇:跳级读博士、大学共同创立 Google ,规定工程师 25% 时间思考创意 ☞新基建东风下,程序员这样乘风破浪! ☞Python实现信息自动配对爬虫排版程序 ☞没想到 Hash 冲突还能这么玩,你的服务中招了吗? ☞观点 | 以太坊客户端多样性问题从何而来? 点分享点点赞点在看
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
网络是怎样连接的
[日]户根勤 / 周自恒 / 人民邮电出版社 / 2017-1-1 / CNY 49.00
本书以探索之旅的形式,从在浏览器中输入网址开始,一路追踪了到显示出网页内容为止的整个过程,以图配文,讲解了网络的全貌,并重点介绍了实际的网络设备和软件是如何工作的。目的是帮助读者理解网络的本质意义,理解实际的设备和软件,进而熟练运用网络技术。同时,专设了“网络术语其实很简单”专栏,以对话的形式介绍了一些网络术语的词源,颇为生动有趣。 本书图文并茂,通俗易懂,非常适合计算机、网络爱好者及相关从......一起来看看 《网络是怎样连接的》 这本书的介绍吧!