簡介

為了更好的熟練掌握pandas在實際資料分析中的應用，今天我們再介紹一下怎麼使用pandas做美國餐廳評分資料的分析。

餐廳評分資料簡介

資料的來源是UCI ML Repository，包含了一千多條資料，有5個屬性，分別是：

userID： 使用者ID

placeID：餐廳ID

rating：總體評分

food_rating：食物評分

service_rating：服務評分

我們使用pandas來讀取資料：

import numpy as np

path = '../data/restaurant_rating_final.csv'
df = pd.read_csv(path)
df

1161 rows × 5 columns

分析評分資料

如果我們關注的是不同餐廳的總評分和食物評分，我們可以先看下這些餐廳評分的平均數，這裡我們使用pivot_table方法：

mean_ratings = df.pivot_table(values=['rating','food_rating'], index='placeID',
                                 aggfunc='mean')
mean_ratings[:5]

然後再看一下各個placeID，投票人數的統計：

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

如果投票人數太少，那麼這些資料其實是不客觀的，我們來挑選一下投票人數超過4個的餐廳：

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)

選擇這些餐廳的平均評分資料：

mean_ratings = mean_ratings.loc[active_place]
mean_ratings

124 rows × 2 columns

對rating進行排序，選擇評分最高的10個：

top_ratings = mean_ratings.sort_values(by='rating', ascending=False)
top_ratings[:10]

我們還可以計算平均總評分和平均食物評分的差值，並以一欄diff進行儲存：

mean_ratings['diff'] = mean_ratings['rating'] - mean_ratings['food_rating']

sorted_by_diff = mean_ratings.sort_values(by='diff')
sorted_by_diff[:10]

將資料進行反轉，選擇差距最大的前10：

sorted_by_diff[::-1][:10]

計算rating的標準差，並選擇最大的前10個：

# 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

本文已收錄於 http://www.flydean.com/02-pandas-restaurant/

最通俗的解讀，最深刻的乾貨，最簡潔的教程，眾多你不知道的小技巧等你來發現！

歡迎關注我的公眾號:「程式那些事」,懂技術，更懂你！