项目描述：
现有数据如下：
在这里插入图片描述
任务一：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
任务二：选择一个餐饮类型(如：以素菜为例)，分析得到餐饮选址位置
项目分析：
一、任务一
- 计算出三个维度的指标得分
- 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 - 制作散点图
二、任务二
通过空间分析，分别计算每个格网内的几个指标：人口密度指标、道路密度指标、餐饮热度指标、同类竞品指标
评价方法：
人口密度指标 → 得分越高越好
道路密度指标 → 得分越高越好
餐饮热度指标 → 得分越高越好
同类竞品指标 → 得分越低越好
综合指标 = 人口密度指标0.4 + 餐饮热度指标0.3 + 道路密度指标0.2 +同类竞品指标0.1最后得到较好选址的网格位置的中心坐标，以及所属区域
项目实施：
一、任务一
1、了解数据
# 导入相关库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import warnings
%matplotlib inline
warnings.filterwarnings('ignore')
#导入数据
import os
os.chdir(r'D:\anaconda\workplace\Data_Analysis\Data')
df1 = pd.read_excel('上海餐饮数据.xlsx')
df1.head()
image.png
df1.info()
image.png
- 数据少量字段存在空值，数据质量较高
# 口味、客单价、性价比指标计算
# 筛选数据，清除空值、为0的数据
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)]
# 计算性价比指数
data1['性价比'] = (data1['口味'] + data1['环境'] + data1['服务']) / data1['人均消费']
# 绘制箱型图，查看异常值
fig,axes = plt.subplots(1,3,figsize = (10,4))
data1.boxplot(column=['口味'],ax = axes[0])
data1.boxplot(column=['人均消费'],ax = axes[1])
data1.boxplot(column=['性价比'],ax = axes[2])
image.png
2、处理异常值
# 创建函数 → 删除异常值
def f1(data,col):
q1 = data[col].quantile(q = 0.25)
q3 = data[col].quantile(q = 0.75)
iqr = q3-q1
t1 = q1 - 3 * iqr
t2 = q3 + 3 * iqr
return data[(data[col] > t1)&(data[col]<t2)][['类别',col]]
# 数据异常值处理
data_kw = f1(data1,'口味')
data_rj = f1(data1,'人均消费')
data_xjb = f1(data1,'性价比')
3、指标标准化
# 创建函数 → 标准化指标并排序
def f2(data,col):
col_name = col + '_norm'
data_gp = data.groupby('类别').mean()
data_gp[col_name] = (data_gp[col] - data_gp[col].min())/(data_gp[col].max()-data_gp[col].min())
data_gp.sort_values(by = col_name, inplace = True, ascending=False)
return data_gp
# 指标标准化得分
data_kw_score = f2(data_kw,'口味')
data_rj_score = f2(data_rj,'人均消费')
data_xjb_score = f2(data_xjb,'性价比')
# 合并数据
data_final_q1 = pd.merge(data_kw_score,data_rj_score,left_index=True,right_index=True) # 合并口味、人均消费指标得分
data_final_q1 = pd.merge(data_final_q1,data_xjb_score,left_index=True,right_index=True) # 合并性价比指标得分
data_final_q1 .head()
image.png
3、制作散点图、柱状图
# 制作散点图、柱状图
# x轴为“人均消费”，y轴为“性价比得分”，点的大小为“口味得分”
from bokeh.models import HoverTool
from bokeh.palettes import brewer
from bokeh.models.annotations import BoxAnnotation
from bokeh.layouts import gridplot
data_final_q1['size'] = data_final_q1['口味_norm'] * 40 # 添加size字段
data_final_q1.index.name = 'type'
data_final_q1.columns = ['kw','kw_norm','price','price_norm','xjb','xjb_norm','size'] # 将中文改为英文
# 创建ColumnDataSource数据
source = ColumnDataSource(data_final_q1)
hover = HoverTool(tooltips=[("餐饮类型", "@type"),
("人均消费", "@price"),
("性价比得分", "@xjb_norm"),
("口味得分", "@kw_norm")
]) # 设置标签显示内容
result = figure(plot_width=800, plot_height=250,
title="餐饮类型得分情况" ,
x_axis_label = '人均消费', y_axis_label = '性价比得分',
tools=[hover,'box_select,reset,xwheel_zoom,pan,crosshair'])
# 构建绘图空间
result.circle(x = 'price',y = 'xjb_norm',source = source,
line_color = 'black',line_dash = [6,4],fill_alpha = 0.6,
size = 'size')
price_mid = BoxAnnotation(left=40,right=80, fill_alpha=0.1, fill_color='navy')
result.add_layout(price_mid)
# 设置人均消费中间价位区间
result.title.text_font_style = "bold"
result.ygrid.grid_line_dash = [6, 4]
result.xgrid.grid_line_dash = [6, 4]
# 绘制柱状图
data_type = data_final_q1.index.tolist()# 提取横坐标
# 柱状图1
kw = figure(plot_width=800, plot_height=250, title='口味得分',x_range=data_type,
tools=[hover,'box_select,reset,xwheel_zoom,pan,crosshair'])
kw.vbar(x='type', top='kw_norm', source=source,width=0.9, alpha = 0.8,color = 'red')
kw.ygrid.grid_line_dash = [6, 4]
kw.xgrid.grid_line_dash = [6, 4]
# 柱状图2
price = figure(plot_width=800, plot_height=250, title='人均消费得分',x_range=kw.x_range,
tools=[hover,'box_select,reset,xwheel_zoom,pan,crosshair'])
price.vbar(x='type', top='price_norm', source=source,width=0.9, alpha = 0.8,color = 'green')
price.ygrid.grid_line_dash = [6, 4]
price.xgrid.grid_line_dash = [6, 4]
# 组合图表
p = gridplot([[result],[kw], [price]])
show(p)
image.png
-
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”
image.png 柱状图：x轴为餐饮类型，y轴分别显示“口味得分”、“性价比得分”
可以看到：素菜的各项指标评分都挺高，所以我们选择素菜店铺进行开店，接下来进行店铺的选址分析
二、任务二
1、在qgis做空间统计之后，网格数据导出点数据，投影成wgs84地理坐标系，导出excel数据，再用python做指标标准化
# 加载数据
df2 = pd.read_excel('空间统计.xlsx',sheetname=0,header=0)
# 对空值进行填充
data2 = df2.fillna(0)
# 指标统计
# 指标标准化
data2['rkmd_norm'] = (data2['人口密度']-data2['人口密度'].min())/(data2['人口密度'].max()-data2['人口密度'].min()) # 人口密度指标标准化
data2['cyrd_norm'] = (data2['餐饮计数']-data2['餐饮计数'].min())/(data2['餐饮计数'].max()-data2['餐饮计数'].min()) # 餐饮热度指标标准化
data2['tljp_norm'] = (data2['素菜餐饮计数'].max()-data2['素菜餐饮计数'])/(data2['素菜餐饮计数'].max()-data2['素菜餐饮计数'].min()) # 同类竞品指标标准化
data2['dlmi_norm'] = (data2['道路长度']-data2['道路长度'].min())/(data2['道路长度'].max()-data2['道路长度'].min()) # 道路密度指标标准化
# 计算综合评分并查看TOP10的网格ID
data2['final_score'] = data2['rkmd_norm']*0.4 + data2['cyrd_norm']*0.3 + data2['tljp_norm']*0.1 + data2['dlmi_norm']*0.2
data_final_q2 = data2.sort_values(by = 'final_score',ascending=False).reset_index()
# 制作空间散点图
data_final_q2['size'] = data_final_q2['final_score'] * 20
data_final_q2['color'] = 'green'
#选取综合评分排名前十的素菜馆，标注红色
data_final_q2['color'].iloc[:10] = 'red'
# 创建ColumnDataSource数据
source = ColumnDataSource(data_final_q2)
# 构建绘图空间
hover = HoverTool(tooltips=[("经度", "@lng"),
("纬度", "@lat"),
("最终得分", "@final_score")
]) # 设置标签显示内容
p = figure(plot_width=800, plot_height=800,
title="空间散点图" ,
tools=[hover,'box_select,reset,wheel_zoom,pan,crosshair'])
p.square(x = 'lng',y = 'lat',source = source,
line_color = 'black',fill_alpha = 0.5,
size = 'size',color = 'color')
p.ygrid.grid_line_dash = [6, 4]
p.xgrid.grid_line_dash = [6, 4]
# 散点图
show(p)
图形如下：
image.png
通过图形分析，可以考虑在图中红点区域开设素菜馆。
