项目①项目目的

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

项目要求

① 计算出三个维度的指标得分

② 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

③ 作图：

制作散点图，x轴为“人均消费”，y轴为“性价比得分”，点的大小为“口味得分”

绘制柱状图，分别显示“口味得分”、“性价比得分”

数据预览

本次项目的目的是，筛选出在上海可以开店铺的餐饮类型，数据来源是上海市的餐饮数据，通过对餐饮数据进行数据清洗、异常值清除等一系列操作，分析哪种类型的餐饮更适合开，数据如下上海餐饮数据.xlsx

上海餐饮数据.xlsx

载入数据

本项目中，使用的分析工具是，首先我们需要导入项目分析所需要的文件，代码如下：

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')
#导入作图核心文件
from bokeh.plotting import figure, show, output_file
from bokeh.models import ColumnDataSource
'''
(1)加载数据
'''
import os
os.chdir('C:\\Users\\RaingEye\\Desktop\\数据分析项目实战\\城市餐饮店铺选址分析\\')
df1 = pd.read_excel('上海餐饮数据.xlsx', sheetname = 0)

在工具中，分析数据的结果，在左上角显示店铺选址，如下图：

双击右上角‘df1’即可查看当前载入的数据，如下图：

计算口味、客单价、性价比指标

在中，处理数据既可以是在左边写代码，也可以在右下方以交互式的形式来完成，如果在左边代码框内，写处理数据的代码，则会保存到文件中，而在右边交互式窗口中则不会保存代码，但是结果在后续可以调用国内领先的AI写作系统，如图所示：

上图中，将df1中所需要的数据去除，存在变量data1中，然后将所有的控制去掉，接下来为了避免结果异常，需要将data1中口味和人均消费为0的数据去掉，并且计算性价比的值，如下图中，去掉空值和值为0的数据以后，data1的数据减少了一半左右，为了方便后续学习，在交互式窗口中写的代码，在代码文件中也写一遍，但需要将其注释掉：

完成上边的任务后，数据中还可能存在异常值，在此可以通过创建箱型图，来查看异常值，为了方便后续的调用，此时在代码文件中编写箱型图的函数，在交互式窗口中调用，如图：

作出箱型图以后，发现有异常值，需要将异常值删掉，同样定义一个函数f2()，在函数中求1分位、3分为和IQR的值，然后求出上边t2和下边界t1的值，筛选出异常边界范围内的值，如图所示：

在将异常值处理以后，需要进行不同类别餐饮的标准化处理，进行排序店铺选址，得到指标标准化的分，如下如代码：

在此之前，通过数据标准化，通过性价比指标计算方式，得到了性价比数据，并且惊醒了标准化处理，得到了三个标准化后的数据，然后我们需要使用merge函数，将三个数据进行合并，代码如下图：

制作图表

在做完上文的数据处理以后，现在开始将数据做成图表，以作为辅助分析工具使用；在此需要导入作图的工具包，为了使图之间有联动效果，作图的辅助标记等，需要导入、、三个函数，由于生成的图表是“”类型，保存图表的是一个HTML 文件，还要设置保存图表的网页名称；

按照题目得要求，生成图表中点的大小为口味得分，同时在这里因为‘’的为中文，这里需要将其设置为英文，如下图：

现在开始生成图图表，我们需要生成的图表是散点图与柱状体的联动图，代码如下：

'''
绘制图表, 辅助分析
'''
from bokeh.layouts import gridplot
from bokeh.models import HoverTool
from bokeh.models.annotations import BoxAnnotation
output_file('project07_h1.html')
data_final_q1['size'] = data_final_q1['口味_norm']*40
data_final_q1.index.name = 'type'
data_final_q1.columns = ['kw', 'kw_norm', 'price', 'price_norm', 'xjb','xjb_norm','size']
#将列名改为英文
source = ColumnDataSource(data_final_q1)
#创建数据
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')
        ])
result = figure(plot_width = 800, plot_height = 300, title = '餐饮类型得分',
                x_axis_label = '人均消费', y_axis_label = '性价比得分',
                tools = [hover, 'box_select, reset, xwheel_zoom, crosshair, pan'])
result.circle(x = 'price', y = 'xjb_norm', source = source,
              size = 'size', line_color = 'black', line_dash = [6, 4],
              fill_alpha = 0.7)
price_mid = BoxAnnotation(left = 40, right = 80, fill_alpha = 0.1, fill_color = 'navy')
result.add_layout(price_mid)
#散点图
data_type = data_final_q1.index.tolist()
kw = figure(plot_width = 800, plot_height = 300, title = '口味得分',
            x_range = data_type, tools = [hover, 'box_select, reset, xwheel_zoom, crosshair, pan'])
kw.vbar(x = 'type', top = 'kw_norm', source = source,
       width = 0.8, alpha = 0.7, color = 'red')
price = figure(plot_width = 800, plot_height = 300, title = '人均消费得分',
               x_range = data_type, tools = [hover, 'box_select, reset, xwheel_zoom, crosshair, pan'])
price.vbar(x = 'type', top = 'price_norm', source = source,
          width = 0.8, alpha = 0.7, color = 'blue')
#柱状图
p = gridplot([[result], [kw], [price]])
show(p)

最终结果.html

手机浏览，点击图片保存二维码到相册，然后打开微信扫一扫选择本二维码图片就可以进入，电脑端微信“扫一扫”二维码，进入找聊天搭子平台，里面有找饭搭子、找对象、找陪伴服务等等