用python做餐饮业的数据分析

2023-12-16 13:01

本文主要是介绍用python做餐饮业的数据分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

问题:

1,订单表的长度 shape columns
2,统计菜单的平均价格(amount)
3,什么菜最受欢迎
订单 客户 时间 菜品 这几个维度
4,哪个订单ID点的菜最多等问题

首先在jupyter note里导入模块

import numpy as np
import pandas as pd
import matplotlib.pylot as plt
plt.rcParams['font.sans_serif'] = 'SimHei'

#设置中文显示
#第一步,加载数据

data1 = pd.read_excel('表1',sheet_name='')
data2 =pd.read_excel('表2',sheet_name='')
date3 =pd.read_excel('表3',sheet_name='')

#第二步,数据预处理(合并数据,NA等处理),分析数据

data = concat([data1,data2,data3],axis = 0) #按照行进行数据拼接

#data.head(5)

data.dropna(axis = 1,inplace = True) #按照列删除NA列,并且修改源数据data.info()

#统计卖出菜品的平均价格

round(data['amounts'].mean(),2) #方法一:pandas 自带函数
round(np.mean(data['amounts']),2) #方法二: numpy函数处理

#频数统计,什么菜最受欢迎
#去除菜名,计数统计,统计出销量前十名

dashes_count = data['dishes_name'].value_counts()[:10]

#第三步,数据可视化matplotlib

dishes_count.plot(kind='line',colors=[' r '] )) #绘制折线图
dishes_count.plot(kind='bar',fontsize=16) #绘制堆积柱形图

#遍历循环 加工图

for x,y in enumerate(dishes_count):print(x,y)plt.text(x,y+2,y,ha='center',fontsize=12)

1,#订单点菜的种类最多,区别于点菜的数量,就是要分组
(shift +回车 是执行的快捷键)

date_group = data['order_id'].valuecounts()[:10]
date_group.plot(kind = 'bar',fontsize=16,color=['r','m','b',y','g')
plt.title('订单点菜的种类Top10')
plt.xlabel('订单ID',fontsize=16)
plt.ylabel('点菜种类',fontsize=16)

#八月份餐厅订单点菜种类前10名,平均点菜25个菜品

#订单ID平均菜品最贵前10名

分组

2,#订单ID点菜数量TOP10 分组order_id,counts求和,排序,前十)

data['Total_amount'] = data['counts']*data['amounts']  #统计单道菜消费总额
dataGroup = data[['order_id','counts','amounts','total_amounts']].groupby(by = 'order_id')
Group_sum = dataGroup.sum() #分组求和
sort_counts = Group_sum.sort_values(by = 'counts',ascending =False)
sort_counts['counts'][:10].plot(kind='bar',fontsize = 16)
plt.xlabel('订单ID')
plt.ylabel('点菜数量')
plt.title('订单ID点菜数量Top10')
#八月份订单点菜数量前10名

#哪个订单ID吃的钱最多(排序)

sort_total_amounts = Group_sum.sort_values(by='total_amounts',ascending=False)
sort_total_amounts['total_amounts'][:10].plot(kind = 'bar'
plt,xlabel('订单ID')
plt.ylabel('消费金额')
plt.title('消费金额前10')

加大消费力度,大众的消费 总数 取中间的位置 平均的

总价除以消费数量 等于消费单价

3, #哪个订单的平均消费最贵

Group_sum['average'] = Group_sum['total_amount'] / Group_sum['counts']
sort_average = Group_sum.sort_values(by='average',ascending=False)
sort_average['average'][:].plot(kind = 'bar',fontsize = 12)
plt,xlabel('订单ID')
plt.ylabel('消费单价')
plt.title('订单消费单价前10')

分析:
从时间维度
1,#一天当中什么时间段,点菜量比较集中(hour)

data['hourcount'] = 1 #新列,用作计数器
data['time'] = pd.to_datetime(data['place_order_time']) #将时间转换成日期类型存储
data['hour'] = data['time'].map(lambda x:x.hour)
gp_by_hour = data.groupby(by='hour').count()['hourcount']
gp_py_hour.plot(kind = 'bar')
plt,xlabel('小时')
plt.ylabel('下单数量')
plt.title('下单数与小时的关系图')

2,哪一天订餐数量最多

data['daycount'] = 1
data['day'] = data['time'].map(lambda x:x.day)
gp_by_day = data.groupby(by='day').count()['daycount']
gp_py_day.plot(kind = 'bar')
plt,xlabel('日期')
plt.ylabel('点菜数量')
plt.title('点菜数量与日期的关系图')

3,星期几就餐人数最多

data['weekcount'] = 1
data['weekday'] = data['time'].map(lambda x:x.weekday)
gp_by_weekday = data.groupby(by='weekday').count()['weekdaycount']
gp_py_weekday.plot(kind = 'bar')
plt,xlabel('星期')
plt.ylabel('点菜数量')
plt.title('点菜数量与星期的关系图')

这篇关于用python做餐饮业的数据分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/500566

相关文章

Python 字典 (Dictionary)使用详解

《Python字典(Dictionary)使用详解》字典是python中最重要,最常用的数据结构之一,它提供了高效的键值对存储和查找能力,:本文主要介绍Python字典(Dictionary)... 目录字典1.基本特性2.创建字典3.访问元素4.修改字典5.删除元素6.字典遍历7.字典的高级特性默认字典

Python自动化批量重命名与整理文件系统

《Python自动化批量重命名与整理文件系统》这篇文章主要为大家详细介绍了如何使用Python实现一个强大的文件批量重命名与整理工具,帮助开发者自动化这一繁琐过程,有需要的小伙伴可以了解下... 目录简介环境准备项目功能概述代码详细解析1. 导入必要的库2. 配置参数设置3. 创建日志系统4. 安全文件名处

使用Python构建一个高效的日志处理系统

《使用Python构建一个高效的日志处理系统》这篇文章主要为大家详细讲解了如何使用Python开发一个专业的日志分析工具,能够自动化处理、分析和可视化各类日志文件,大幅提升运维效率,需要的可以了解下... 目录环境准备工具功能概述完整代码实现代码深度解析1. 类设计与初始化2. 日志解析核心逻辑3. 文件处

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1:使用 UUID 模块(推荐)方法 2:使用 Secrets 模块(安全敏感场景)方法

使用Python删除Excel中的行列和单元格示例详解

《使用Python删除Excel中的行列和单元格示例详解》在处理Excel数据时,删除不需要的行、列或单元格是一项常见且必要的操作,本文将使用Python脚本实现对Excel表格的高效自动化处理,感兴... 目录开发环境准备使用 python 删除 Excphpel 表格中的行删除特定行删除空白行删除含指定

Python通用唯一标识符模块uuid使用案例详解

《Python通用唯一标识符模块uuid使用案例详解》Pythonuuid模块用于生成128位全局唯一标识符,支持UUID1-5版本,适用于分布式系统、数据库主键等场景,需注意隐私、碰撞概率及存储优... 目录简介核心功能1. UUID版本2. UUID属性3. 命名空间使用场景1. 生成唯一标识符2. 数

Python办公自动化实战之打造智能邮件发送工具

《Python办公自动化实战之打造智能邮件发送工具》在数字化办公场景中,邮件自动化是提升工作效率的关键技能,本文将演示如何使用Python的smtplib和email库构建一个支持图文混排,多附件,多... 目录前言一、基础配置:搭建邮件发送框架1.1 邮箱服务准备1.2 核心库导入1.3 基础发送函数二、

Python包管理工具pip的升级指南

《Python包管理工具pip的升级指南》本文全面探讨Python包管理工具pip的升级策略,从基础升级方法到高级技巧,涵盖不同操作系统环境下的最佳实践,我们将深入分析pip的工作原理,介绍多种升级方... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函