城市餐饮店铺选址分析

约 10 分钟 · 5166 字 · 更新于 2021-04-08 · 124 views
城市餐饮店铺选址分析

步骤

准备

打开spyder
        准备数据

image

查看数据
        分析需求

分析程序

导入模块

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

import warnings
warnings.filterwarnings('ignore') 

from bokeh.plotting import figure,show,output_file
from bokeh.models import ColumnDataSource

加载数据

# 加载数据


import os
os.chdir('E:\\Data_analysis\\Project\\01\\')
# 创建工作路径

df1 = pd.read_excel('上海餐饮数据.xlsx')
df1_length = len(df1)
df1_columns = df1.columns.tolist()
print('数据量为%i条' % len(df1))
print(df1.head())

筛选数据，清除空值、为0的数据

data1 = df1[['类别','口味','环境','服务','人均消费']]
data1.dropna(inplace = True)  # 去掉空数据
data1 = data1[(data1['口味']>0)&(data1['人均消费']>0)]
# 筛选数据，清除空值、为0的数据

计算性价比指数

data1['性价比'] = (data1['口味'] + data1['环境'] + data1['服务']) / data1['人均消费']
# 计算性价比指数

用箱型图看异常值

fig,axes = plt.subplots(1,3,figsize = (10,4))
data1.boxplot(column=['口味'],ax = axes[0])
data1.boxplot(column=['人均消费'],ax = axes[1])
data1.boxplot(column=['性价比'],ax = axes[2])

image

创建函数 → 用分位数方法过滤掉异常区间

def f1(data,col):
    q1 = data[col].quantile(q = 0.25)
    q3 = data[col].quantile(q = 0.75) 
    iqr = q3-q1
    t1 = q1 - 3 * iqr
    t2 = q3 + 3 * iqr
    return data[(data[col] > t1)&(data[col]<t2)][['类别',col]]
# 创建函数 → 删除异常值

data_kw = f1(data1,'口味')
data_rj = f1(data1,'人均消费')
data_xjb = f1(data1,'性价比')
# 数据异常值处理

创建函数 → 标准化指标并排序

def f2(data,col):
    col_name = col + '_norm'
    data_gp = data.groupby('类别').mean() #以类别分组 计算其他指标的平均值
    data_gp[col_name] = (data_gp[col] - data_gp[col].min())/(data_gp[col].max()-data_gp[col].min()) #0-1标准化
    data_gp.sort_values(by = col_name, inplace = True, ascending=False)
    return data_gp
# 创建函数 → 标准化指标并排序

data_kw_score = f2(data_kw,'口味')
data_rj_score = f2(data_rj,'人均消费')
data_xjb_score = f2(data_xjb,'性价比')
# 指标标准化得分

合并数据

data_final_q1 = pd.merge(data_kw_score,data_rj_score,left_index=True,right_index=True)    # 合并口味、人均消费指标得分
data_final_q1 = pd.merge(data_final_q1,data_xjb_score,left_index=True,right_index=True)       # 合并性价比指标得分
# 合并数据

data_final_q1.head()

作图程序

导入模块

from bokeh.plotting import figure,show,output_file
from bokeh.models import ColumnDataSource
from bokeh.models import HoverTool
from bokeh.palettes import brewer
from bokeh.models.annotations import BoxAnnotation
from bokeh.layouts import gridplot
# 导入模块
output_file('dianpuxuanzhi.html')

创建ColumnDataSource数据

data_final_q1['size'] = data_final_q1['口味_norm'] * 40  # 添加size字段
data_final_q1.index.name = 'type'
data_final_q1.columns = ['kw','kw_norm','price','price_norm','xjb','xjb_norm','size']
# 将中文改为英文
# 添加颜色参数

source = ColumnDataSource(data_final_q1)
# 创建ColumnDataSource数据

鼠标滑动时标签显示的内容

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")
                           ])  # 设置标签显示内容

散点图

画圆圈时加上虚线line_dash = [6,4] 会报错
result = figure(plot_width=800, plot_height=250,
                title="餐饮类型得分情况" ,
                x_axis_label = '人均消费', y_axis_label = '性价比得分', 
                tools=[hover,'box_select,reset,xwheel_zoom,pan,crosshair']) 
# 构建绘图空间
result.circle(x = 'price',y = 'xjb_norm',source = source,
         line_color = 'black',fill_alpha = 0.6,
        size = 'size')

价格区间

price_mid = BoxAnnotation(left=40,right=80, fill_alpha=0.1, fill_color='navy')   
result.add_layout(price_mid)

# 设置人均消费中间价位区间
result.title.text_font_style = "bold"
result.ygrid.grid_line_dash = [6, 4]
result.xgrid.grid_line_dash = [6, 4]

柱状图1

data_type = data_final_q1.index.tolist()# 提取横坐标

kw = figure(plot_width=800, plot_height=250, title='口味得分',x_range=data_type,
           tools=[hover,'box_select,reset,xwheel_zoom,pan,crosshair'])
kw.vbar(x='type', top='kw_norm', source=source,width=0.9, alpha = 0.8,color = 'red')   
kw.ygrid.grid_line_dash = [6, 4]
kw.xgrid.grid_line_dash = [6, 4]
# 柱状图1

柱状图2

price = figure(plot_width=800, plot_height=250, title='人均消费得分',x_range=kw.x_range,
              tools=[hover,'box_select,reset,xwheel_zoom,pan,crosshair'])
price.vbar(x='type', top='price_norm', source=source,width=0.9, alpha = 0.8,color = 'green') 
price.ygrid.grid_line_dash = [6, 4]
price.xgrid.grid_line_dash = [6, 4]
# 柱状图2

显示图表

p = gridplot([[result],[kw], [price]])
# 组合图表
show(p)

image

QGIS作图

准备

打开qgis
        添加地图资源
            上海市行政区

image

道路数据
            人口网格数据
                打开属性表
                    样式选择为‘渐进’
                    模式选为‘分位数’
        设置为投影坐标系
            UTM zone 51N

计算道路指标

点击 矢量->分析工具->计算线条总长度
            设置输出文件地址文件名
            点击确定开始计算（计算时间会比较长）
            计算完成后查看属性表 多出了 长度

加载经纬度数据

文件要是csv格式的
        点击左侧工具栏的 ‘添加文本数据图层’
            选择我们的csv数据文件
            文件格式选择为 csv格式
            横坐标设为 Lng列
            纵坐标设为Lat列
            点击创建
                在弹出让你 选参考坐标系 时，点击取消
                创建成功后能看到地图上出现很多圆点
            右键该文件 另存为 其他名称（canyin），保存时选择投影坐标系
        点击 矢量->分析工具->计算多边形内点的个数
            输出计数字段名称设为 cy_count
            输出shape文件 自己浏览一个文件夹去保存
            点击保存
                保存成功后就会多出 cy_count字段

同类竞争

右键自己保存的canyin 选择属性表
            点击‘使用表达式选择要素’
                选择 “字段”->“类别”
                点击“全部唯一”选择“素菜”
                此时左边表达式为   "类别"  = '素菜' 
                属性表中 选择“显示选中要素”
                右键 canyin另存为 canyin_sucai 
                    保存时勾选“仅保存选中的要素”
        再保存一个分析工具
            点击 矢量->分析工具->计算多边形内点的个数
                输出计数字段名称设为 sc_count
                输出shape文件 自己浏览一个文件夹去保存
                点击保存
                    保存成功后就会多出 sc_count字段
        把多边形转变为点
            点击 矢量->几何工具->多边形质心
                选择 sucai_count
                保存为 point_res
                点击确定
            右键point_res另存为point_res_wgs84
                保存时选择默认坐标系
            右键 point_res选择属性表
                点击“字段计算器”
                    输出字段名称 设为 “Lng"
                    输出字段类型 设为 “小数（实数）”
                    双击 几何图形->$x
                以同样方式导出 lat 维度 几何图形->$y

image

全选属性表
            新建csv文件
            把属性表数据复制进csv中

继续spyder分析

导入模块
    加载数据
    标准化并计算最终得分
    绘制散点图

image

📌 相关阅读