Python数据分析：根据大众点评数据挑选店铺地址

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者：Python圈子

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答点击即可加入

项目背景

案例类型：练习
案例工具：Python、Qgis
案例目的：通过实战进行学习，让大家综合运用基础知识，加深印象巩固记忆。

提出问题

1、通过餐饮数据分析选出最具有竞争力的品类；
2、通过建立综合分数指标的计算公式来挑选出最适合地址。

理解数据

读取数据集后，通过info()和describe()方法来查看一下数据的基本情况。

data.info()
——————————————————————————
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 96398 entries, 0 to 96397
Data columns (total 10 columns):
类别      96258 non-null object
行政区     96255 non-null object
点评数     96398 non-null int64
口味      96398 non-null float64
环境      96398 non-null float64
服务      96398 non-null float64
人均消费    96398 non-null int64
城市      96398 non-null object
Lng     96398 non-null float64
Lat     96398 non-null float64
dtypes: float64(5), int64(2), object(3)
memory usage: 7.4+ MB

数据共计96398个，10个变量/特征，数据类型数量为 float64(5), int64(2), object(3)，粗略观察，数据明显有缺失值的情况，需要进行数据的清洗。

数据处理

使用data.isnull().values.sum()检查空值数量，检查出283个空值。

由于空值占数据总量比例为283/96398 = 0.0029，删除空值并不影响整体的数据情况，所以这里采用删除的办法来处理空值。

使用data.dropna()对空值进行删除，再使用data.isnull().values.sum()进行检查，结果为0。

数据清洗后的数据共计96255个。根据①通过餐饮数据分析选出最具有竞争力的品类的要求，选择相关的变量，选择[‘类别’, ‘口味’, ‘环境’, ‘服务’, '人均消费’]5个变量。

建立[‘类别’, ‘口味’, ‘环境’, ‘服务’, '人均消费’]的DataFrame，并且筛选出所有评分和消费大于0的情况。因为根据实际情况，评分和消费为0的数据对此没有参考作用。

引入’性价比’这一列，性价比的计算方式将所有的评分相加再除以人均消费金额，计算出分/元为单位的数值，表示单位价格获得的分数来表示其性价比。

这样获得了df如下，筛选出了需要的数据54886个。

df.info()
——————————————————————————
<class 'pandas.core.frame.DataFrame'>
Int64Index: 54886 entries, 0 to 96395
Data columns (total 6 columns):
类别      54886 non-null object
口味      54886 non-null float64
环境      54886 non-null float64
服务      54886 non-null float64
人均消费    54886 non-null int64
性价比     54886 non-null float64
dtypes: float64(4), int64(1), object(1)
memory usage: 2.9+ MB

构建模型

得到数据集df，选择’类别’进行groupby分组再进行mean值等到每个类别的值。

使用箱型图进行异常值的排查。

箱型图使用异常值删除的函数，对异常值进行删除。

构建一个选择具有竞争力的品类的公式的因素，例如’口味’，'人均消费’，‘性价比’，然后通过异常值删除的函数得出数据集。

将三组数据集放在同一张图上面。

很明显是由于没有做数据标准化处理。
数据标准化处理之后

设计了一个计算公式，权重自己设计分数的计算式比如按照口味:人均消费:性价比 = 2:5:3 的比例去计算。
先合并df_kw_max_min、df_rj_max_min、df_xjb_max_min，通过pd.merge合并。

计算最后的得分

得出“甜品”是最佳的品类。
使用Qgis制作出关于’人口密度’、‘道路密度’、‘餐饮密度’、'竞品密度’、'经度’、’维度’相关的数据集。

数据集有空值，使用dealdata.fillna(0,inplace=True)进行0的填充。

观察数据得知，‘人口密度’、‘道路密度’、‘餐饮密度’、'竞品密度’不在同一纬度上，所以进行数据标准化处理。再计算['综合指标’]这一新列的数值。按照’人口密度’:'道路密度’:'餐饮密度’:'竞品密度’=4:3:2:1的比例。

数据可视化

利用matplotlib进行制图，使用散点图。

补充：使用bokeh绘制空间互动图形。

得出结论：

甜品店选址在（121°472′E,31°301′N）、（121°473′E,31°274′N）、（121°493′E,31°244′N）等地方开设最优。