用資料分析搭配肯德基早餐

今天看到乙個好玩的資料分析小case，通過對kfc的早餐爬取部分資料，並做簡單處理，檢視肯定早餐搭配

原資料集及初始****如下：

首先讀取資料

#資料匯入，探查資料缺失
data = pd.read_csv(r'd:\ml_data\kfca8585\kfc.csv')
data.head()

檢視資料

0 1元安心大油條產品實付滿49元（不含外送費），可1元換購安心大油條1根，每單限1份 1.0 1 1元芝士雞肉帕尼尼產品實付滿69元（不含外送費），可1元換購芝士雞肉帕尼尼1份，每單限1份 1.0 2 有雞腿全餐雙人餐 **包含：有雞腿中式/西式全餐（可選），共2份。有雞腿中式全餐：紐奧良烤雞腿1份+... 0.0 3 有雞腿西式全餐(香草流心可頌) 紐奧良烤雞腿1塊+培根炒蛋1份+香脆薯餅1塊+大溪地香草奶香流心可頌2只+咖啡飲品1杯（可... 29.0

4 有雞腿西式全餐(香草流心可頌) 紐奧良烤雞腿1塊+太陽蛋+香脆薯餅1塊+大溪地香草奶香流心可頌2只+咖啡飲品1杯（可加價換... 29.0

檢視一下資料情況。單價有0元，有可能是**搭配，也有可能資料爬取出錯

data.describe() price count 90.000000 mean 13.872222 std 7.257914 min 0.000000 25% 9.000000 50% 13.500000 75% 17.000000

max 36.000000

對**進行處理，使用平均值進行填充

#**有0的資料，暫時用平均值進行填充
def f(p):
if p==0.0:
p=14
return p
else:
return p
data['price'] = data['price'].map(f)

利用結巴拼接食物和餐名，並把一些無關食物替換掉

#食物內容和餐名
names = list(data['name'])
foods = list(data['foods'])
names.extend(foods)
names = ' '.join(names)
#分詞ls = jieba.lcut(names)
txt = ' '.join(ls)
#空格替換與食物無關的詞語
txt = txt.replace('產品','').replace('包裝','').replace('包裝實物','')\
.replace('br','').replace('隨心換','').replace('實物','')\
.replace('主要','').replace('原料','').replace('指比菜','')\
.replace('單單','').replace('加價','').replace('換購','')\
.replace('總價','').replace('金額','').replace('為準','')\
.replace('早餐','').replace('飲品','')

檢視主食應用分布情況，並視覺化

hamburger = 
rice_ball = 
porridge = 
chicken = 
x = ['漢堡','飯糰','粥','雞肉']
y1 = [250,200,50,255]
y2 = [10,11,1.5,15]
y3 = [20,21,8,10]
y4 = [10,6,2.5,21]
c = bar()
c.add_xaxis(x)
c.add_yaxis("熱量", y1, stack="stack1")
c.add_yaxis("脂肪", y2, stack="stack1")
c.add_yaxis("碳水化合物", y3, stack="stack1")
c.add_yaxis("蛋白質", y4, stack="stack1")
c.set_series_opts(label_opts=opts.labelopts(is_show=false))
c.set_global_opts(title_opts=opts.titleopts(title="主食營養分布"))
#c.render_notebook()
c.render_notebook()

小吃營養分布

youtiao = 
chayedan = 
shubin = 
danta = 
from pyecharts import options as opts
from pyecharts.charts import bar
from pyecharts.commons.utils import jscode
from pyecharts.globals import themetype
list2 = [,,
,,
]list3 = [,,
,,
]list4 = [,,
,,
]list5 = [,,
,,
]c = bar(init_opts=opts.initopts(theme=themetype.light))
c.add_xaxis(['油條','茶葉蛋','薯餅','蛋撻'])
c.add_yaxis("熱量", list2, stack="stack1", category_gap="50%")
c.add_yaxis("脂肪", list3, stack="stack1", category_gap="50%")
c.add_yaxis("碳水化合物", list4, stack="stack1", category_gap="50%")
c.add_yaxis("蛋白質", list5, stack="stack1", category_gap="50%")
c.set_series_opts(
label_opts=opts.labelopts(
position="right",
formatter=jscode(
"function(x)"),)
)c.render_notebook()

飲料分析

doujiang = 
coffe = 
from pyecharts import options as opts
from pyecharts.charts import pie
c = pie()
c.add(
"",[list(z) for z in zip(["熱量", "脂肪",'碳水化合物','蛋白質'],
[31,2,1.5, 3])],
center=["20%", "50%"],
radius=[60, 80],
)c.add(
"",[list(z) for z in zip(["熱量", "脂肪",'碳水化合物','蛋白質'],
[100,4,12, 4])],
center=["55%", "50%"],
radius=[60, 80],
)c.set_global_opts(
title_opts=opts.titleopts(title="豆漿（左）咖啡（右）"),
legend_opts=opts.legendopts(
type_="scroll", pos_top="200%", pos_left="80%", orient="vertical"),)
c.render_notebook()

從和鯨社群看到這個小case覺得很有意思，自己試了一下，遇到的主要問題是資料量小，不過肯德基早餐種類本身就不是很多。pyecharts畫圖很好看，但是有些包更新了，可能會有問題，需要找最新的包，比如bar(）函式使用方法，有些方法廢棄了，使用的時候要多加注意。

用資料分析搭配肯德基早餐

資料分析用RFM模型分析使用者

資料分析資料分析概述

資料分析資料分析的誤區

用資料分析搭配肯德基早餐

資料分析 用RFM模型分析使用者

資料分析 資料分析概述

資料分析 資料分析的誤區

相關推薦

資料分析用RFM模型分析使用者

資料分析資料分析概述

資料分析資料分析的誤區