简介

为了更好的熟练掌握 pandas 在理论数据分析中的利用，明天咱们再介绍一下怎么应用 pandas 做美国餐厅评分数据的剖析。

餐厅评分数据简介

数据的起源是 UCI ML Repository，蕴含了一千多条数据，有 5 个属性，别离是：

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

咱们应用 pandas 来读取数据：

import numpy as np

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

1161 rows × 5 columns

剖析评分数据

如果咱们关注的是不同餐厅的总评分和食物评分，咱们能够先看下这些餐厅评分的平均数，这里咱们应用 pivot_table 办法：

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

而后再看一下各个 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主观的，咱们来筛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)

抉择这些餐厅的均匀评分数据：

mean_ratings = mean_ratings.loc[active_place]
mean_ratings

124 rows × 2 columns

对 rating 进行排序，抉择评分最高的 10 个：

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

咱们还能够计算均匀总评分和均匀食物评分的差值，并以一栏 diff 进行保留：

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

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

将数据进行反转，抉择差距最大的前 10：

sorted_by_diff[::-1][:10]

计算 rating 的标准差，并抉择最大的前 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 http://www.flydean.com/02-pandas-restaurant/

最艰深的解读，最粗浅的干货，最简洁的教程，泛滥你不晓得的小技巧等你来发现！

欢送关注我的公众号:「程序那些事」, 懂技术，更懂你！