北京东城区美食分析

一 绪论

分析背景：美食荟萃的北京东城区，哪家餐厅最热门，哪家餐厅口味好，哪种菜系最受欢迎，哪个区域餐厅最多，人均消费与区域、菜系的关系？Python分析大众点评数据，我们一一解答这些问题。

数据来源：八爪鱼爬取大众点评东城区美食。

主要结论：1 热门餐厅： 金鼎轩南北菜人气最高，比萨到PizzoNow口味最好；

                  2 大众口味：火锅、西餐、日本菜、北京菜最热门；

                  3 繁华商圈：王府井/东单餐厅数量最多；

　　　　　4 人均消费：75%的餐厅人均消费小于130元，私房菜人均消费最高，马桥/三里元商圈的饭贵。

二 数据预处理

In [4]:

import numpy as np
import pandas as pd
%matplotlib inline
import matplotlib.pyplot as plt

1 读取数据

In [5]:

df=pd.read_csv(U'F:/analyst_example/beijing delicious1.csv',sep=';',encoding='gbk')
df.head()

Out[5]:

 

shop_name

comments

average_money

cooking_style

region

stress

taste

environment

service

branch

0

比萨到PizzaNow(安定门外店)

1698\n 条点评

60.0

西餐

安定门

安定门外大街甲82号隆和写字楼1层8号

9.3

9.3

9.3

分店

1

四季民福烤鸭店(故宫店)

8449\n 条点评

150.0

北京菜

王府井/东单

南池子大街11号故宫东门旁

9.2

9.3

9.3

分店

2

捞王锅物料理(apm店)

392\n 条点评

139.0

火锅

王府井/东单

王府井大街138号apm5层532-535号

9.2

9.3

9.3

NaN

3

COMBAL盉 by TIAGO(中粮广场店)

74\n 条点评

403.0

西餐

王府井/东单

建国门内大街8号中粮广场C座1层

9.2

9.2

9.3

NaN

4

DeepRed深红

321\n 条点评

594.0

创意菜

东四十条

东四十三条50号

9.2

9.4

9.3

NaN

2 观察数据

-数据为DataFrame格式，共有735行/10列；

-average_money,taste,environment,service为float类型,其他为object（可以存储任意类型数据）；

-average_money列存在4个缺失值；branch列存在417个缺失值，表明417个餐厅不是分店。

In [6]:

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 735 entries, 0 to 734
Data columns (total 10 columns):
shop_name        735 non-null object
comments         735 non-null object
average_money    731 non-null float64
cooking_style    735 non-null object
region           735 non-null object
stress           735 non-null object
taste            735 non-null float64
environment      735 non-null float64
service          735 non-null float64
branch           318 non-null object
dtypes: float64(4), object(6)
memory usage: 57.5+ KB

In [7]:

df['average_money'].isnull().value_counts()

Out[7]:

False    731
True       4
Name: average_money, dtype: int64

In [8]:

df['branch'].isnull().value_counts()

Out[8]:

True     417
False    318
Name: branch, dtype: int64

三 数据清洗

1 删除重复值

-删重后数据仍有735行，故无重复值；

In [9]:

df_duplicates=df.drop_duplicates()
df_duplicates.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 735 entries, 0 to 734
Data columns (total 10 columns):
shop_name        735 non-null object
comments         735 non-null object
average_money    731 non-null float64
cooking_style    735 non-null object
region           735 non-null object
stress           735 non-null object
taste            735 non-null float64
environment      735 non-null float64
service          735 non-null float64
branch           318 non-null object
dtypes: float64(4), object(6)
memory usage: 63.2+ KB

2 缺失值处理

-branch 列缺失值填充'无'：branch缺失值为不是分店的店铺，故填充无。

In [10]:

df_duplicates['branch']=df_duplicates['branch'].fillna('无')
df_duplicates['branch'].head()

Out[10]:

0    分店
1    分店
2     无
3     无
4     无
Name: branch, dtype: object

-average_money 列删除缺失值：缺失值数量占比小(4/735)，且人均消费与多种因素有关，故删除缺失值。

In [11]:

df1=df_duplicates.dropna()
df1.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 731 entries, 0 to 734
Data columns (total 10 columns):
shop_name        731 non-null object
comments         731 non-null object
average_money    731 non-null float64
cooking_style    731 non-null object
region           731 non-null object
stress           731 non-null object
taste            731 non-null float64
environment      731 non-null float64
service          731 non-null float64
branch           731 non-null object
dtypes: float64(4), object(6)
memory usage: 62.8+ KB

3 列处理

-comments列中提取点评数值

首先查找\n所在的位置；然后提取换行符前面的点评数量，为comment1列；最后修改comments1数据类型为int型。

In [12]:

df1.head()

Out[12]:

 

shop_name

comments

average_money

cooking_style

region

stress

taste

environment

service

branch

0

比萨到PizzaNow(安定门外店)

1698\n 条点评

60.0

西餐

安定门

安定门外大街甲82号隆和写字楼1层8号

9.3

9.3

9.3

分店

1

四季民福烤鸭店(故宫店)

8449\n 条点评

150.0

北京菜

王府井/东单

南池子大街11号故宫东门旁

9.2

9.3

9.3

分店

2

捞王锅物料理(apm店)

392\n 条点评

139.0

火锅

王府井/东单

王府井大街138号apm5层532-535号

9.2

9.3

9.3

无

3

COMBAL盉 by TIAGO(中粮广场店)

74\n 条点评

403.0

西餐

王府井/东单

建国门内大街8号中粮广场C座1层

9.2

9.2

9.3

无

4

DeepRed深红

321\n 条点评

594.0

创意菜

东四十条

东四十三条50号

9.2

9.4

9.3

无

In [13]:

def cut_word(word):
    position=word.find('\n')
    comments1=word[ :position]
    return comments1                  

In [14]:

df1['comments1']=df1['comments'].apply(cut_word).astype('int')
df1['comments1'].head()

Out[14]:

0    1698
1    8449
2     392
3      74
4     321
Name: comments1, dtype: int32

4 新建df_clean 存储清理后的数据

In [15]:

df_clean=df1[['shop_name','comments1','average_money','cooking_style','region','stress','taste','environment','service','branch']]
df_clean.head()

Out[15]:

 

shop_name

comments1

average_money

cooking_style

region

stress

taste

environment

service

branch

0

比萨到PizzaNow(安定门外店)

1698

60.0

西餐

安定门

安定门外大街甲82号隆和写字楼1层8号

9.3

9.3

9.3

分店

1

四季民福烤鸭店(故宫店)

8449

150.0

北京菜

王府井/东单

南池子大街11号故宫东门旁

9.2

9.3

9.3

分店

2

捞王锅物料理(apm店)

392

139.0

火锅

王府井/东单

王府井大街138号apm5层532-535号

9.2

9.3

9.3

无

3

COMBAL盉 by TIAGO(中粮广场店)

74

403.0

西餐

王府井/东单

建国门内大街8号中粮广场C座1层

9.2

9.2

9.3

无

4

DeepRed深红

321

594.0

创意菜

东四十条

东四十三条50号

9.2

9.4

9.3

无

In [16]:

df_clean.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 731 entries, 0 to 734
Data columns (total 10 columns):
shop_name        731 non-null object
comments1        731 non-null int32
average_money    731 non-null float64
cooking_style    731 non-null object
region           731 non-null object
stress           731 non-null object
taste            731 non-null float64
environment      731 non-null float64
service          731 non-null float64
branch           731 non-null object
dtypes: float64(4), int32(1), object(5)
memory usage: 60.0+ KB

四 数据分析

1 热门餐厅

-评论数前五的餐厅

In [17]:

df_clean.sort(columns='comments1',ascending=False).head()

Out[17]:

 

shop_name

comments1

average_money

cooking_style

region

stress

taste

environment

service

branch

421

金鼎轩南北菜(地坛店)

27816

74.0

粤菜

安定门

和平里西街77号

8.4

7.6

7.4

分店

345

胡大饭馆(簋街总店)

12570

148.0

川菜

北新桥/簋街

东直门内大街233号

8.8

8.1

8.0

分店

103

温野菜日式火锅

12396

145.0

日本菜

东直门

新中街甲3号蜂巢剧场B1层

9.0

9.1

8.8

无

420

花家怡园(四合院总店)

11589

153.0

北京菜

北新桥/簋街

东直门内大街235号，簋街西边

8.0

8.8

7.9

分店

126

西贝莜面村(北京apm店)

11547

90.0

西北菜

王府井/东单

王府井大街138号北京apmA区5层509

9.0

9.1

9.1

分店

-taste评分前五的餐厅

In [18]:

df_clean.sort(columns='taste',ascending=False).head()

Out[18]:

 

shop_name

comments1

average_money

cooking_style

region

stress

taste

environment

service

branch

0

比萨到PizzaNow(安定门外店)

1698

60.0

西餐

安定门

安定门外大街甲82号隆和写字楼1层8号

9.3

9.3

9.3

分店

5

老诚一锅(东四十条店)

1603

88.0

火锅

东四十条

东直门南小街139号

9.3

9.3

9.3

分店

13

然寿司(钱粮胡同店)

552

1500.0

日本菜

东四

钱粮胡同东口16-2号

9.2

9.1

9.1

分店

199

垚焱馕坑烤肉

440

86.0

烧烤

北新桥/簋街

北新桥三条67号

9.2

7.5

9.1

无

82

亮健容天土锅羊蝎子(净土胡同总...

1992

78.0

火锅

安定门

安定门内大街净土胡同8号

9.2

8.2

8.9

分店

 

2 热门菜系——火锅，西餐，日本菜，北京菜评论数、餐厅数量TOP 5中。

-各菜系按餐厅数量分类汇总，排名前五的为火锅、西餐、日本菜、面包甜点、北京菜。

-热门菜系(top 10)中日本菜、粤菜、西餐人均消费超过150元，其他菜系人均小于150元。

In [70]:

df_clean.cooking_style.value_counts().head()

Out[70]:

火锅      125
西餐       87
日本菜      66
面包甜点     55
北京菜      53
Name: cooking_style, dtype: int64

In [72]:

plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

ax=df_clean.groupby('cooking_style').agg({'shop_name':'count','average_money':'mean'}).sort(columns='shop_name',ascending=False).head(10).plot(kind='bar',figsize=(20,10))
plt.title('shop_count')

 

-各菜系按评论数分类汇总，排名前五的为火锅、北京菜、日本菜、西餐、川菜。

In [76]:

ax=df_clean.groupby('cooking_style').agg({'comments1':'sum'}).sort(columns='comments1',ascending=False).head(10).plot(kind='bar',figsize=(20,10))
plt.title('comments1_sum')

 

3 热门商圈

-商圈数量按地区分类汇总，王府井/东单的餐厅数量最多；餐厅数量top 10 商圈的人均消费全部小于200元。

In [111]:

ax2=df_clean.groupby('region').agg({'region':'count','average_money':'mean'}).sort(columns='region',ascending=False).head(10).plot(kind='bar',figsize=(20,10))
plt.title('shop_count-region')

 

 

4 人均分布

-75%的餐厅人均小于130元。

In [87]:

df_clean.average_money.describe()

Out[87]:

count     731.000000
mean      123.980848
std       151.352821
min         4.000000
25%        67.000000
50%        90.000000
75%       130.000000
max      1842.000000
Name: average_money, dtype: float64

In [86]:

ax3=df_clean.average_money.plot(kind='hist',bins=20,figsize=(20,10))

 

-不同菜系人均消费

所有菜系中，私家菜人均消费最高；人均最高的餐厅为一家日本餐厅，人均>1750。

In [107]:

ax4=df_clean.boxplot(column='average_money',by='cooking_style',figsize=(20,15))
plt.title('average_money——cooking_style')

Out[107]:

 

 

 

 

-不同商圈人均消费

马桥/三里元商圈消费最高。

In [108]:

ax4=df_clean.boxplot(column='average_money',by='region',figsize=(20,10))
plt.title('average_money——region')

In [ ]: