上海餐饮数据分析与可视化
数据下载入口：Pandas+Pyecharts | 上海市餐饮数据分析可视化 - Heywhale.com
数据介绍
- 类别：餐饮类别的名称（如烧烤、美食、粤菜等）
- 行政区：餐厅所在行政区的名称（如浦东新区、闵行区等）
- 点评数：该餐厅的点评数量
- 口味、环境、服务：餐厅在这三个方面的评分
- 人均消费：餐厅的人均消费
- 城市：餐厅所在的城市（上海市）
- Lng、Lat：餐厅的经纬度
首先先读取数据：
import pandas as pd# 尝试的编码格式列表
encodings_tried = ['utf-8', 'gbk', 'ISO-8859-1', 'latin1']# 文件路径
file_path = '上海餐饮数据.csv'# 尝试使用不同的编码格式读取文件
for encoding in encodings_tried:try:df = pd.read_csv(file_path, encoding=encoding)print(f"成功使用编码格式 {encoding} 读取文件")break # 如果成功读取，则跳出循环except UnicodeDecodeError:print(f"编码格式 {encoding} 读取文件时发生错误")continue # 如果发生错误，则尝试下一个编码df由于下载的csv文件不是utf-8编码，所以需要用其他编码读取方式进行读取，数据概览如下：
一：数据预处理
# 获取每一列的不同元素
for col in df.columns:unique_elements = df[col].unique()print(f"{col}列的不同元素: {unique_elements}")首先观察每一列含有的元素如下：
可以发现“类别”，“行政区”列含有空值，且“口味”，“环境”，“服务”，“人均消费”列同时含有数字与文本。
# 删除“点评数”和“人均消费”列中含有 0 的行
df = df[(df['点评数']!= '0') & (df['人均消费']!= '0')]
# 去除每一列的空值
df = df.dropna(subset=['类别', '行政区', '点评数', '口味', '环境', '服务', '人均消费', '城市', 'Lng', 'Lat'])
首先去除数据的空值，然后只保留“口味”，“环境”，“服务”，“人均消费”列中的数字行。
# 定义一个函数来判断元素是否为数字
def is_numeric(value):try:float(value)return Trueexcept ValueError:return False# 选择需要检查的列
columns_to_check = ['口味', '环境', '服务', '人均消费', 'Lng', 'Lat']# 删除含有文本的行
df = df[df[columns_to_check].applymap(is_numeric).all(axis=1)]
二：数据可视化
1：各类别餐厅数量分布图
import matplotlib.pyplot as plt
# 设置Matplotlib的字体以支持中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False# 各类别餐厅的数量分布
category_counts = df['类别'].value_counts()# 绘制柱状图
plt.figure(figsize=(10, 6))
category_counts.plot(kind='bar', color='skyblue')
plt.title('各类别餐厅数量分布')
plt.xlabel('类别')
plt.ylabel('数量')
plt.xticks(rotation=45)
plt.show()首先绘制各类别餐厅数量分布图：
可以观测“甜点”，“快餐”，“咖厅”等快餐类餐厅数量较多。
2：各行政区餐厅数量分布
import matplotlib.pyplot as plt# 设置 Matplotlib 的字体以支持中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False# 各行政区餐厅的数量分布
category_counts = df['行政区'].value_counts()# 绘制饼形图
plt.figure(figsize=(10, 6))
plt.pie(category_counts, labels=category_counts.index, autopct='%1.1f%%')
plt.title('各行政区餐厅数量分布')
plt.show()再绘制各行政区餐厅的数量分布图：
可以观测出浦东新区，闵行区，徐汇区，松江区，宝山区的数量相对多。
3：类别与行政区之间的相关性
from scipy.stats import chi2_contingency# 创建交叉表
cross_tab = pd.crosstab(df['类别'], df['行政区'])# 进行卡方检验
chi2, p, dof, expected = chi2_contingency(cross_tab)print(f"卡方值：{chi2}")
print(f"p 值：{p}")if p < 0.05:print("类别与行政区之间存在相关性")
else:print("类别与行政区之间不存在相关性")根据结果求出卡方值较大，p值小于0.05，说明类别与行政区之间存在相关性。然后具体展示类别与行政区相关性的体现：
import seaborn as sns# 创建交叉表
cross_tab = pd.crosstab(df['类别'], df['行政区'])# 绘制热力图
plt.figure(figsize=(10, 8))
sns.heatmap(cross_tab, annot=True, fmt='d', cmap='YlGnBu')
plt.title('类别与行政区的相关性热力图')
plt.xlabel('行政区')
plt.ylabel('类别')
plt.show()体现相关性的热力图如下：
4：不同类别的平均综合评分比较
import numpy as np# 将"口味"，"服务"，"环境"，"人均消费"列的数据类型转换为数值型
df['口味'] = pd.to_numeric(df['口味'], errors='coerce')
df['服务'] = pd.to_numeric(df['服务'], errors='coerce')
df['环境'] = pd.to_numeric(df['环境'], errors='coerce')
df['人均消费'] = pd.to_numeric(df['人均消费'], errors='coerce')# 提取相关列的数据
columns = ['口味', '服务', '环境', '人均消费']
data = df[columns].values# 数据标准化
normalized_data = (data - np.min(data, axis=0)) / (np.max(data, axis=0) - np.min(data, axis=0))# 计算熵值
k = 1 / np.log(data.shape[0])
entropy = -k * np.sum(normalized_data * np.log(normalized_data + 1e-5), axis=0)# 计算权重
weight = (1 - entropy) / np.sum(1 - entropy)# 计算综合评分
composite_score = np.dot(normalized_data, weight)# 将综合评分添加到数据框中
df['综合评分'] = composite_score首先使用熵权法得出每行数据的综合评分一列，然后整合得出不同类别的平均综合评分：
# 创建DataFrame
df1 = pd.DataFrame(data)# 按照“类别”分组并计算综合评分平均值
category_avg_score = df.groupby('类别')['综合评分'].mean()# 将结果从大到小排序并转换为DataFrame
sorted_df = category_avg_score.sort_values(ascending=False).reset_index()sorted_df排序后的前10类别的平均综合评分如下：
可以看出南菜，午茶，素菜的评分相对较高。
5：不同行政区的平均综合评分比较
# 创建DataFrame
df2 = pd.DataFrame(data)# 按照“行政区”分组并计算综合评分平均值
category_avg_score = df.groupby('行政区')['综合评分'].mean()# 将结果从大到小排序并转换为DataFrame
sorted_df2 = category_avg_score.sort_values(ascending=False).reset_index()sorted_df2同理得到排序后的前10行政区的平均综合评分如下：
可以看出静安区，卢湾区，徐汇区，浦东新区的餐厅平均综合评分较高。
想要探索多元化的数据分析视角，可以关注之前发布的相关内容。