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

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 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

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 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

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v

Python使用python-can实现合并BLF文件

《Python使用python-can实现合并BLF文件》python-can库是Python生态中专注于CAN总线通信与数据处理的强大工具,本文将使用python-can为BLF文件合并提供高效灵活... 目录一、python-can 库:CAN 数据处理的利器二、BLF 文件合并核心代码解析1. 基础合