餐饮店铺选址

最新推荐文章于 2020-12-29 02:09:44 发布

原创

最新推荐文章于 2020-12-29 02:09:44 发布 · 801 阅读

4 ·

CC 4.0 BY-SA版权

本文通过对口味、人均消费和性价比三个维度的数据分析，筛选出适合开店的餐饮类型——素菜，并利用空间分析方法，结合人口密度、道路密度、餐饮热度和竞品分布等指标，确定了素菜馆的理想选址——图中红点区域，该区域具有较高的综合评分。

项目描述：
现有数据如下：
在这里插入图片描述
任务一：从三个维度“口味”、“人均消费”、“性价比”对不同菜系进行比较，并筛选出可开店铺的餐饮类型
任务二：选择一个餐饮类型(如：以素菜为例)，分析得到餐饮选址位置
项目分析：

一、任务一

计算出三个维度的指标得分
评价方法：
口味 → 得分越高越好
性价比 → 得分越高越好
人均消费 → 价格适中即可
制作散点图

二、任务二

通过空间分析，分别计算每个格网内的几个指标：人口密度指标、道路密度指标、餐饮热度指标、同类竞品指标
评价方法：
人口密度指标 → 得分越高越好
道路密度指标 → 得分越高越好
餐饮热度指标 → 得分越高越好
同类竞品指标 → 得分越低越好
综合指标 = 人口密度指标0.4 + 餐饮热度指标0.3 + 道路密度指标0.2 +同类竞品指标0.1
最后得到较好选址的网格位置的中心坐标，以及所属区域

项目实施：
一、任务一
1、了解数据

# 导入相关库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import warnings
%matplotlib inline
warnings.filterwarnings('ignore')

#导入数据
import os
os.chdir(r'D:\anaconda\workplace\Data_Analysis\Data')
df1 = pd.read_excel('上海餐饮数据.xlsx')
df1.head()

df1.info()

数据少量字段存在空值，数据质量较高

# 口味、客单价、性价比指标计算
# 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)
data1 = data1[(data1['口味']>0)&(data1['人均消费']>0)]

# 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']

# 绘制箱型图，查看异常值
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])

2、处理异常值

# 创建函数 → 删除异常值
def f1(data,col):
    q1 = data[col].quantile(q = 0.25)
    q3 = data[col].quantile(q = 0.75) 
    iqr = q

最低0.47元/天解锁文章