数据分析实际案例之：pandas 在餐厅评分数据中的使用

作者：程序那些事

2022 年 2 月 16 日
本文字数：1326 字
阅读完需：约 4 分钟

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

复制代码

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]

复制代码

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]

复制代码

placeID132560     4132561     4132564     4132572    15132583     4132584     6132594     5132608     6132609     5132613     6dtype: int64

复制代码

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

复制代码

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)

复制代码

选择这些餐厅的平均评分数据：

mean_ratings = mean_ratings.loc[active_place]mean_ratings

复制代码

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]

复制代码

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]

复制代码

将数据进行反转，选择差距最大的前 10：

sorted_by_diff[::-1][:10]

复制代码

计算 rating 的标准差，并选择最大的前 10 个：

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

复制代码

placeID134987    1.154701135049    1.000000134983    1.000000135053    0.991031135027    0.991031132847    0.983192132767    0.983192132884    0.983192135082    0.971825132706    0.957427Name: rating, dtype: float64

复制代码

本文已收录于 http://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！

发布于: 刚刚阅读数: 2

原文链接:【http://xie.infoq.cn/article/1134822e4aac2a9733d0cd841】。文章转载请联系作者。

程序那些事

关注

关注公众号：程序那些事，更多精彩等着你！ 2020.06.07 加入

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，尽在公众号：程序那些事！

发布

暂无评论

创作场景

数据分析实际案例之：pandas 在餐厅评分数据中的使用

简介

餐厅评分数据简介

分析评分数据

程序那些事

评论