请问如何利用pandas分析餐厅评分数据案例？

本文共计1236个文字，预计阅读时间需要5分钟。

目录简介餐厅评分数据分析简介分析餐厅评分数据

为了更好地掌握pandas在实际数据分析中的应用，今天我们来介绍如何使用pandas对美食餐厅评分数据进行分析。

目录

• 简介
• 餐厅评分数据简介
• 分析评分数据

简介

为了更好的熟练掌握pandas在实际数据分析中的应用，今天我们再介绍一下怎么使用pandas做美国餐厅评分数据的分析。

餐厅评分数据简介

数据的来源是UCI ML Repository，包含了一千多条数据，有5个属性，分别是：

userID： 用户ID

placeID：餐厅ID

rating：总体评分

food_rating：食物评分

service_rating：服务评分

我们使用pandas来读取数据：

import numpy as np path = '../data/restaurant_rating_final.csv' df = pd.read_csv(path) df userID placeID rating food_rating service_rating 0 U1077 135085 2 2 2 1 U1077 135038 2 2 1 2 U1077 132825 2 2 2 3 U1077 135060 1 2 2 4 U1068 135104 1 1 2 ... ... ... ... ... ... 1156 U1043 132630 1 1 1 1157 U1011 132715 1 1 0 1158 U1068 132733 1 1 0 1159 U1068 132594 1 1 1 1160 U1068 132660 0 0 0

1161 rows × 5 columns

分析评分数据

如果我们关注的是不同餐厅的总评分和食物评分，我们可以先看下这些餐厅评分的平均数，这里我们使用pivot_table方法：

mean_ratings = df.pivot_table(values=['rating','food_rating'], index='placeID', aggfunc='mean') mean_ratings[:5] food_rating rating placeID 132560 1.00 0.50 132561 1.00 0.75 132564 1.25 1.25 132572 1.00 1.00 132583 1.00 1.00

然后再看一下各个placeID，投票人数的统计：

ratings_by_place = df.groupby('placeID').size() ratings_by_place[:10]

placeID 132560 4 132561 4 132564 4 132572 15 132583 4 132584 6 132594 5 132608 6 132609 5 132613 6 dtype: int64

如果投票人数太少，那么这些数据其实是不客观的，我们来挑选一下投票人数超过4个的餐厅：

active_place = ratings_by_place.index[ratings_by_place >= 4] active_place

Int64Index([132560, 132561, 132564, 132572, 132583, 132584, 132594, 132608, 132609, 132613, ... 135080, 135081, 135082, 135085, 135086, 135088, 135104, 135106, 135108, 135109], dtype='int64', name='placeID', length=124)

选择这些餐厅的平均评分数据：

mean_ratings = mean_ratings.loc[active_place] mean_ratings food_rating rating placeID 132560 1.000000 0.500000 132561 1.000000 0.750000 132564 1.250000 1.250000 132572 1.000000 1.000000 132583 1.000000 1.000000 ... ... ... 135088 1.166667 1.000000 135104 1.428571 0.857143 135106 1.200000 1.200000 135108 1.181818 1.181818 135109 1.250000 1.000000

124 rows × 2 columns

对rating进行排序，选择评分最高的10个：

top_ratings = mean_ratings.sort_values(by='rating', ascending=False) top_ratings[:10] food_rating rating placeID 132955 1.800000 2.000000 135034 2.000000 2.000000 134986 2.000000 2.000000 132922 1.500000 1.833333 132755 2.000000 1.800000 135074 1.750000 1.750000 135013 2.000000 1.750000 134976 1.750000 1.750000 135055 1.714286 1.714286 135075 1.692308 1.692308

我们还可以计算平均总评分和平均食物评分的差值，并以一栏diff进行保存：

mean_ratings['diff'] = mean_ratings['rating'] - mean_ratings['food_rating'] sorted_by_diff = mean_ratings.sort_values(by='diff') sorted_by_diff[:10] food_rating rating diff placeID 132667 2.000000 1.250000 -0.750000 132594 1.200000 0.600000 -0.600000 132858 1.400000 0.800000 -0.600000 135104 1.428571 0.857143 -0.571429 132560 1.000000 0.500000 -0.500000 135027 1.375000 0.875000 -0.500000 132740 1.250000 0.750000 -0.500000 134992 1.500000 1.000000 -0.500000 132706 1.250000 0.750000 -0.500000 132870 1.000000 0.600000 -0.400000

将数据进行反转，选择差距最大的前10：

sorted_by_diff[::-1][:10] food_rating rating diff placeID 134987 0.500000 1.000000 0.500000 132937 1.000000 1.500000 0.500000 135066 1.000000 1.500000 0.500000 132851 1.000000 1.428571 0.428571 135049 0.600000 1.000000 0.400000 132922 1.500000 1.833333 0.333333 135030 1.333333 1.583333 0.250000 135063 1.000000 1.250000 0.250000 132626 1.000000 1.250000 0.250000 135000 1.000000 1.250000 0.250000

计算rating的标准差，并选择最大的前10个：

# Standard deviation of rating grouped by placeID rating_std_by_place = df.groupby('placeID')['rating'].std() # Filter down to active_titles rating_std_by_place = rating_std_by_place.loc[active_place] # Order Series by value in descending order rating_std_by_place.sort_values(ascending=False)[:10]

placeID 134987 1.154701 135049 1.000000 134983 1.000000 135053 0.991031 135027 0.991031 132847 0.983192 132767 0.983192 132884 0.983192 135082 0.971825 132706 0.957427 Name: rating, dtype: float64

本文已收录于 www.flydean.com/02-pandas-restaurant/

最通俗的解读，最深刻的干货，最简洁的教程，众多你不知道的小技巧等你来发现！

欢迎关注我的公众号:「程序那些事」,懂技术，更懂你！