pandas每天一题-探索分析：找出哪些菜式做成套餐能大卖

咋咋

发布于 2021-09-01 12:21:26

3230

发布于 2021-09-01 12:21:26

文章被收录于专栏：数据大宇宙

前面我们一直在讲解 pandas 数据处理的各种知识点，现在开始就应用上这些知识点来探索一下点餐数据。

本系列计划每天更新一期，希望各位小伙伴先自行思考，再查看答案。如果对你有帮助，记得转发推荐给你的好友！

上期文章：pandas每天一题-题目19："炸列"操作的多种方式

后台回复"数据"，可以下载本题数据集

如下数据：

import pandas as pd
import numpy as np
from itertools import combinations

df = pd.read_csv('chipotle.tsv',
                 sep='\t',
                 converters={'item_price': lambda x: float(x[1:-1])})

df

数据描述：

此数据是订单明细表。一个订单会包含很多明细项，表中每个样本(每一行)表示一个明细项
order_id 列存在重复
item_name 是品类名称，例如"罐装饮料"
quantity 是明细项数量
item_price 是该明细项的总价钱
choice_description 是每一项更详尽的描述，例如："雪碧"

例如，某个单子中，客人点餐

牛排玉米饼
烧烤玉米饼
1罐可乐
1罐雪碧

于是产生了4行记录：

前面章节讲解过的知识点，本文不再讲解！

需求：

现在你为了提升销量，打算推出套餐优惠，希望把某些单品组合起来包装成套餐销售。

请你通过以上数据找出哪些品类组合最受欢迎？

下面是答案了

单个品类的分析

如果只是分析一个品类是最简单的：

df.item_name.value_counts().head(8).to_frame('count')

不妨做个柱状图更清晰：

df.item_name.value_counts().head(8).plot.bar()

DataFrame.plot.bar() ，行索引作为x轴，列值作为y轴，得到柱状图

横向条形图更适合：

df.item_name.value_counts().head(8).plot.barh()

调用 DataFrame.plot.barh() ，即可改为条形图

点评：

前2名都是鸡肉相关，薯条排第3。挺符合美国人口味

我不确定数据是否来自美国的餐馆

组合品类

单个品类的分析太普通，以至于随便用个 Excel 都能得到分析结果。

而且我们需要分析的是哪些品类经常被人们一起点餐。例如薯条配汽水等。

思路是，先要得到每个订单的品类的所有组合。例如拿开篇举例的订单：

需要得到4个品类去重后(Canned Soft Drink有重复)的3个品类的所有两两组合：

from itertools import combinations
items = [
    'Steak Soft Tacos', 'Barbacoa Soft Tacos', 'Canned Soft Drink',
    'Canned Soft Drink'
]
list(combinations(set(items), 2))

输出：

[('Barbacoa Soft Tacos', 'Canned Soft Drink'),
 ('Barbacoa Soft Tacos', 'Steak Soft Tacos'),
 ('Canned Soft Drink', 'Steak Soft Tacos')]

行6：用 set 去重，然后用 combinations 做组合，参数设置为2，选取2个的所有组合

现在我们对每一组的 order_id 做这个组合：

(
    df.groupby('order_id')['item_name']
        .apply(
            lambda x: list(combinations(set(x), 2))
        )
)

现在一个订单一行，每一行的值是一个列表对象，列表里面放着订单里面所有品类的两两组合。

我们希望每个组合占一行，因为这样子方便后续统计数量。很简单，使用之前讲解过的"炸列"操作：

(
    df.groupby('order_id')['item_name']
        .apply(
            lambda x: list(combinations(set(x), 2))
        )
        .explode()
)

有些订单只有一个品类，不存在两两组合，因此结果为 nan

现在仍然使用之前的套路即可得到结果：

(
    df.groupby('order_id')['item_name']
        .apply(
            lambda x: list(combinations(set(x), 2))
        )
        .explode()
        .value_counts().head(8)
        .plot.barh()
)

点评：

鸡排饭或鸡排玉米饼，配薯条+果酱是最受欢迎
其次是饮料+鸡排饭

只有两两组合可能不够，稍微修改参数即可得到3个品类组合的结果：

(
    df.groupby('order_id')['item_name']
        .apply(
            lambda x: list(combinations(set(x), 3))
        )
        .explode()
        .value_counts().head(8)
        .plot.barh()
)

行3：combinations 的第二个参数设置为3

得到的结果就更加合理了，这里不贴结果图了

这份数据还有更多有趣的探索，下一节继续，记得点赞三连！！！！