致和网站建设,自己可以申请网站做外卖吗,怎样做微课网站,杭州餐饮网站建设系列文章目录 作者#xff1a;i阿极 作者简介#xff1a;Python领域新星作者、多项比赛获奖者#xff1a;博主个人首页 #x1f60a;#x1f60a;#x1f60a;如果觉得文章不错或能帮助到你学习#xff0c;可以点赞#x1f44d;收藏#x1f4c1;评论#x1f4d2;关注…
系列文章目录 作者i阿极 作者简介Python领域新星作者、多项比赛获奖者博主个人首页 如果觉得文章不错或能帮助到你学习可以点赞收藏评论关注哦 如果有小伙伴需要数据集和学习交流文章下方有交流学习区一起学习进步 专栏案例数据分析数据分析某电商优惠卷数据分析数据分析旅游景点销售门票和消费情况分析数据分析消费者数据分析数据分析餐厅订单数据分析数据分析基于随机森林(RFC)对酒店预订分析预测数据分析基于K-近邻(KNN)对Pima人糖尿病预测分析文章目录系列文章目录1、实验简介2、数据说明2.1数据集的整体特征2.2属性描述3、实验环境4、实验步骤4.1数据准备4.2数据质量检查4.3探索性分析4.4通过轮廓图和相关图来比较特征1、实验简介
麦当劳McDonald’s是源自美国南加州的跨国连锁快餐店也是全球最大的快餐连锁店主要贩售汉堡包及薯条、炸鸡、汽水、冰品、沙拉、水果、咖啡等快餐食品。近年来越来越多的人意识到快餐食品的不健康性麦当劳也成了“垃圾食品”的代名词。美国纪录片《Super Size Me》记录了一个人一个月内只吃麦当劳后的身体变化更引起了人们对于快餐食品营养超标的担忧。本分析旨在通过实证方法评估麦当劳数据集中260个产品的营养成分我们先从一些标准的数据探索分析开始之后讨论并使用Plotly绘制交互式散点图以展示不同的营养指标。
2、数据说明
2.1数据集的整体特征
|数据集名称 |数据类型 |特征数 |实例数 |值缺失 |相关任务|
数据集名称数据类型特征数实例数值缺失相关任务麦当劳餐品营养成分数据集字符、数值数据242600可视化
2.2属性描述
属性数据类型字段描述CategoryString食物类别ItemString食品名称Serving SizeString食用分量CaloriesInteger卡路里Calories from FatInteger来自脂肪的卡路里Total FatInteger脂肪总量Total Fat (% Daily Value)Integer脂肪总量占每日推荐摄入量的百分比Saturated FatInteger饱和脂肪Saturated Fat (% Daily Value)Integer饱和脂肪占每日推荐摄入量的百分比Trans FatInteger反式脂肪CholesterolInteger胆固醇Cholesterol (% Daily Value)Integer胆固醇占每日推荐摄入量的百分比SodiumInteger钠Sodium (% Daily Value)Integer钠占每日推荐摄入量的百分比CarbohydratesInteger碳水化合物Carbohydrates (% Daily Value)Integer碳水化合物占每日推荐摄入量的百分比Dietary FiberInteger膳食纤维Dietary Fiber (% Daily Value)Integer膳食纤维占每日推荐摄入量的百分比SugarsInteger糖分ProteinInteger蛋白质Vitamin A (% Daily Value)Integer维他命A占每日推荐摄入量的百分比Vitamin C (% Daily Value)Integer维他命C占每日推荐摄入量的百分比Calcium (% Daily Value)Integer钙占每日推荐摄入量的百分比Iron (% Daily Value)Integer铁占每日推荐摄入量的百分比
3、实验环境
Python 3.9
Anaconda
Jupyter Notebook
4、实验步骤
4.1数据准备
加载需要的模块
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
import plotly.offline as py
py.init_notebook_mode(connectedTrue)
import plotly.graph_objs as go
import plotly.tools as tls
import warnings
warnings.filterwarnings(ignore)加载数据 #加载数据集
menu pd.read_csv(/home/mw/mcdonald_s_menu.csv)#预览数据集前5行
menu.head()查看数据集行列数
print(该数据集共有 {} 行 {} 列.format(menu.shape[0],menu.shape[1])) 每一行代表一样麦当劳产品24列包括了产品的类别名称大小以及营养成分如卡路里脂肪胆固醇钠碳水化合物膳食纤维糖蛋白质维他命A维他命C钙铁等内容。 4.2数据质量检查
检查空值
menu.isnull().any()各个column内容的描述性统计
menu.describe()4.3探索性分析
首先我们看一下每一类食品的数量并绘图展示
count_by_category menu[[Category]].groupby([Category]).size().reset_index(name Counts).sort_values(by Counts, ascending False)
count_by_category#条形图
fig, ax plt.subplots(figsize (12,9))
ax sns.barplot(xCategory, yCounts, data count_by_category).set_title(每一类食品的数量)#饼形图
plt.figure(figsize (12,9))
plt.pie(x count_by_category[Counts], labelscount_by_category[Category], autopct%1.0f%%,)
plt.show()从条形图和饼形图可以看出数量排名第一的品类是咖啡和茶高达37%之后是早餐16%冰沙奶昔11%饮品10%鸡肉鱼肉10%和牛肉猪肉6%。小吃甜点和沙拉占比最少其中沙拉类食品仅占所有食品的2%。 接下来我们看看不同品类的食物其卡路里含量如何
#盒形图
fig, ax plt.subplots(figsize (12,9))
ax sns.boxplot(x Category, y Calories, data menu).set_title(卡路里)一些有趣的发现 早餐系列、猪肉牛肉系列、鸡肉鱼肉系列的卡路里含量较高主食冰沙奶昔系列的卡路里含量最高沙拉、小食、甜品、咖啡和茶的卡路里含量较低饮品的卡路里含量最低早餐系列、鸡肉鱼肉系列和咖啡茶系列有一些异常值(outlier)可能是一些大份食物。 以上分析提醒了我们食品的卡路里含量及其他成分含量会受到其份量的影响将食品调整至同样的份量可以让之后的分析更加客观。
通过回顾数据集中“Serving Size”一栏我们发现麦当劳对份量的标注并不完全统一有如下几种形式
14.8 oz (136 g) 21 cookie (33 g) 321 fl oz cup 4) 1 carton (236 ml) 5) 6 fl oz (177 ml) 6) 16.9 fl oz
固体食物的份量标注比较统一都是按1的形式标出了oz和g两种重量单位唯一的特例是2只标注了g这一重量单位。
半液态和液态食物的份量标注比较杂乱有些和固体食物一样标注了重量但大部分属于3-6即标注fl oz和/或ml两种体积单位。
因此我们的提取原则是重量单位优先提取g没有g再提取oz并转换为g体积单位优先提取ml没有ml再提取fl oz并转换为ml。
*注1盎司(oz)28.35克(g)1美制液体盎司(fl oz)29.57毫升(ml)
因为重量单位和体积单位的不一致为了之后的分析方便我们假设1ml的液体等于1g并把一些半液态和液态食品的份量从体积转为重量。
将食品调整至同样的份量(按100g计算)
#正则表达式匹配几种不同的份量标注方式
import re
p1 re.compile(r[(](.*?)[ g)])
p2 re.compile(r(.*?)[ ])#定义函数提取份量数据
def getLambda(x, p1, p2):try: val float(re.findall(p1,x)[0])except:val float(re.findall(p2,x)[0]) * 29.57 # 提取的是fl oz乘以29.57转换为mlreturn val#调整menu数据集
norm_menu menu.iloc[:,:]
norm_menu[Size g] norm_menu[Serving Size].apply(lambda x: getLambda(x, p1, p2))
norm_menu[Calories per 100g] (norm_menu[Calories]/norm_menu[Size g]) * 100norm_menu.head()#盒形图
fig, ax plt.subplots(figsize (12,9))
sns.boxplot(x Category, y Calories per 100g, data norm_menu)对比没有调整过的数据画出的盒形图可以得知 固态食品中主食早餐牛肉猪肉鸡肉鱼肉依旧是卡路里含量最高的食品。之前我们以为卡路里含量较低的小食、甜点等其实只是因为份量较小如果换算成同样的份量卡路里含量也不低和主食持平。只有沙拉的卡路里含量远低于其他类食品其平均值是主食的一半左右。液体及半液体的饮品卡路里含量总体低于固体食品但冰沙奶昔的卡路里明显高于饮料和咖啡茶甚至高于沙拉。 因此对于一个选择麦当劳就餐的减肥人士来说为了填饱肚子最好点一份沙拉。如果还想点一份饮品不建议点冰沙奶昔。 4.4通过轮廓图和相关图来比较特征
轮廓图
我们首先看看一个特征如何影响其他特征轮廓图或者KDE图可以提供一个特征相对于另一个特征的分布。简单来讲这让我们对定量数据有一个快速的感知。调用了Seaborn中的kdeplot函数。我们选取了几个主要特征并生成了9张轮廓图如下所示
# KDE图
f, axes plt.subplots(3, 3, figsize(10, 10), sharexTrue, shareyTrue)s np.linspace(0, 3, 10)
cmap sns.cubehelix_palette(start0.0, light1, as_cmapTrue)# Generate and plot a random bivariate dataset
x menu[Cholesterol (% Daily Value)].values
y menu[Sodium (% Daily Value)].values
sns.kdeplot(x, y, cmapcmap, shadeTrue, cut5, axaxes[0,0])
axes[0,0].set(xlim(-10, 50), ylim(-30, 70), title Cholesterol and Sodium)cmap sns.cubehelix_palette(start0.333333333333, light1, as_cmapTrue)# Generate and plot a random bivariate dataset
x menu[Carbohydrates (% Daily Value)].values
y menu[Sodium (% Daily Value)].values
sns.kdeplot(x, y, cmapcmap, shadeTrue, axaxes[0,1])
axes[0,1].set(xlim(-5, 50), ylim(-10, 70), title Carbs and Sodium)cmap sns.cubehelix_palette(start0.666666666667, light1, as_cmapTrue)# Generate and plot a random bivariate dataset
x menu[Carbohydrates (% Daily Value)].values
y menu[Cholesterol (% Daily Value)].values
sns.kdeplot(x, y, cmapcmap, shadeTrue, axaxes[0,2])
axes[0,2].set(xlim(-5, 50), ylim(-10, 70), title Carbs and Cholesterol)cmap sns.cubehelix_palette(start1.0, light1, as_cmapTrue)# Generate and plot a random bivariate dataset
x menu[Total Fat (% Daily Value)].values
y menu[Saturated Fat (% Daily Value)].values
sns.kdeplot(x, y, cmapcmap, shadeTrue, axaxes[1,0])
axes[1,0].set(xlim(-5, 50), ylim(-10, 70), title Total Fat and Saturated Fat)cmap sns.cubehelix_palette(start1.333333333333, light1, as_cmapTrue)# Generate and plot a random bivariate dataset
x menu[Total Fat (% Daily Value)].values
y menu[Cholesterol (% Daily Value)].values
sns.kdeplot(x, y, cmapcmap, shadeTrue, axaxes[1,1])
axes[1,1].set(xlim(-5, 50), ylim(-10, 70), title Cholesterol and Total Fat)cmap sns.cubehelix_palette(start1.666666666667, light1, as_cmapTrue)# Generate and plot a random bivariate dataset
x menu[Vitamin A (% Daily Value)].values
y menu[Cholesterol (% Daily Value)].values
sns.kdeplot(x, y, cmapcmap, shadeTrue, axaxes[1,2])
axes[1,2].set(xlim(-5, 50), ylim(-10, 70), title Vitamin A and Cholesterol)cmap sns.cubehelix_palette(start2.0, light1, as_cmapTrue)# Generate and plot a random bivariate dataset
x menu[Calcium (% Daily Value)].values
y menu[Sodium (% Daily Value)].values
sns.kdeplot(x, y, cmapcmap, shadeTrue, axaxes[2,0])
axes[2,0].set(xlim(-5, 50), ylim(-10, 70), title Calcium and Sodium)cmap sns.cubehelix_palette(start2.333333333333, light1, as_cmapTrue)# Generate and plot a random bivariate dataset
x menu[Calcium (% Daily Value)].values
y menu[Cholesterol (% Daily Value)].values
sns.kdeplot(x, y, cmapcmap, shadeTrue, axaxes[2,1])
axes[2,1].set(xlim(-5, 50), ylim(-10, 70), title Cholesterol and Calcium)cmap sns.cubehelix_palette(start2.666666666667, light1, as_cmapTrue)# Generate and plot a random bivariate dataset
x menu[Iron (% Daily Value)].values
y menu[Total Fat (% Daily Value)].values
sns.kdeplot(x, y, cmapcmap, shadeTrue, axaxes[2,2])
axes[2,2].set(xlim(-5, 50), ylim(-10, 70), title Iron and Total Fat)f.tight_layout()Pearson相关图
现在绘制Pearson相关图检查不同营养指标之间的相关程度。这次我们调用了Plotly的交互式绘图功能绘制特征之间相关性的热图Heatmap如下所示
data [go.Heatmap(z menu.iloc[:, 3:].corr().values,x menu.columns.values,y menu.columns.values,colorscale Viridis,text menu.iloc[:, 3:].corr().round(2).astype(str),opacity 1.0)
]layout go.Layout(title 各个营养指标的Pearson相关图,xaxis dict(ticks, nticks36),yaxis dict(ticks),width 900, height 700,
)fig go.Figure(data data, layout layout)
py.iplot(fig, filename labelled-heatmap)点击不同的方格可以查看某两个特征的相关性。颜色越趋近于黄色说明两者正相关性越强。颜色越趋近于紫色说明两者负相关性越强。 从相关图中可以看出明显相关的特征例如份量和卡路里的相关性高达0.9。然而有一些相关性非常不直观。例如总脂肪和饱和脂肪/反式脂肪之间存在相当弱的相关性但在我们普通人的认知中这两者理应早存一定相关性。热图也从负相关图深蓝/黑的斑点中引出了有趣的发现。例如它表明碳水化合物通常与反式脂肪胆固醇钠膳食纤维和维生素A呈负相关。这与碳水化合物的负相关性确实很多。 数据质量是否存在任何问题 现在很明显碳水化合物列与其他列负相关程度很强这是符合常识的。然而或许存在如下可能性含碳水化合物的食物可能除了碳水化合物之外没有其他东西从而导致了上面提到的负相关性这也是需要在分析中结合实际情况思考的。 订阅热门专栏 《数据分析之道》 《数据分析之术》 《机器学习案例》 《数据分析案例》 文章下方有交流学习区一起学习进步 首发CSDN博客创作不易如果觉得文章不错可以点赞收藏评论 你的支持和鼓励是我创作的动力❗❗❗
