项目背景
餐厅经营的好坏需要用数据来说明，如果一个餐厅生意惨淡，那么应该先收集最近的数据，然后进行数据分析，再对应相应出现的问题进行解决和做出对应的商业调整。今天开始我们分析一来家餐厅的数据。
认识数据并预处理
拿到一个数据，第一步就是要进行数据预处理。我们经常遇见的数据存在噪声、冗余、关联性、不完整性等。
数据预处理的常见方法
（1）数据清理：将数据中缺失的值补充完整、消除噪声数据、识别或删除离群点并解决不一致性。
（2）数据集成：将多个数据源中的数据进行整合并统一存储
（3）数据变换：通过平滑聚集、数据概化、规范化等方式将数据转换成适用于数据挖掘的形式
（4）数据归约：数据挖掘经常数据量很大，通过对数据集进行规约或简化，可以保持元数据的完整性，且数据归约后的结果与规约前的结果几乎相同。
这里我们简单介绍，不做深入解释。这不是我们今天的主要内容。
数据介绍
我们的数据是一个餐厅订单，其中包括detail_id，order_id，dishes_id等一系列餐厅数据。拥有3个sheet，数据项大约1w左右。还有各种各样的美食和酒水，看的我流口水（蒜蓉生蚝，蒙古烤羊腿，桂圆枸杞鸽子汤，38度剑南春 ，美妙绝伦之白莲花，姜葱炒花蟹）
导入数据
现在我们开始导入数据到notebook
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei' ## 设置中文显示
%matplotlib inline
# 加载数据
data1 = pd.read_excel('D:\\meal_order_detail.xlsx',sheet_name='meal_order_detail1')
data2 = pd.read_excel('D:\\meal_order_detail.xlsx',sheet_name='meal_order_detail2')
data3 = pd.read_excel('D:\\meal_order_detail.xlsx',sheet_name='meal_order_detail3')
数据预处理
# 数据预处理（合并数据,NA等处理），分析数据
data = pd.concat([data1,data2,data3],axis=0) #按照行进行拼接数据
# data.head(5)
data.dropna(axis=1,inplace=True) #按照列删除na列，并且修改源数据
data.info()
简单统计
接下来我们进行数据的简单统计
统计卖出菜品的平均价格
round(data['amounts'].mean(),2) #方法一：pandas自带函数
round(np.mean(data['amounts']),2) #方法二：numpy函数处理
两种方法都可以，但我自己习惯第一种。
频数统计，什么菜最受欢迎 （对菜名进行频数统计，取最大前10名）
dishes_count = data['dishes_name'].value_counts()[:10]
结果如图所示，果然大家都爱吃白饭。。。
数据可视化matplotlib
既然大家都爱吃白饭，那我们就直接可视化上面那个结果好了。
dishes_count.plot(kind='line',color=['r'])
dishes_count.plot(kind='bar',fontsize=16)
for x,y in enumerate(dishes_count):
print(x,y)
plt.text(x,y+2,y,ha='center',fontsize=12)
如图，果然还是图更显而易见。
8月份餐厅订单点菜种类前10名，平均点菜25个菜品
data_group = data['order_id'].value_counts()[:]
data_group.plot(kind='bar',fontsize=16,color=['r','m','b','y','g'])
plt.title('订单点菜的种类Top10')
plt.xlabel('订单ID',fontsize=16)
plt.ylabel('点菜种类',fontsize=16)
8月份订单点菜数量前10名
这一步首先我们的进行简单操作，我们求订单ID点菜数量Top10，因此分组order_id,counts求和，排序，前十。
统计单道菜消费总额
data['total_amounts'] =data['counts']*data['amounts']
分组求和
dataGroup = data[['order_id','counts','amounts','total_amounts']].groupby(by='order_id')
Group_sum = dataGroup.sum() #分组求和
sort_counts =Group_sum.sort_values(by='counts',ascending=False)
sort_counts['counts'][:10].plot(kind='bar',fontsize=16)
plt.xlabel('订单ID')
plt.ylabel('点菜数量')
plt.title('订单ID点菜数量Top10')
哪个订单ID吃的钱最多（排序）
也就是求消费金额。
sort_total_amounts =Group_sum.sort_values(by='total_amounts',ascending=False)
sort_total_amounts['total_amounts'][:10].plot(kind='bar')
plt.xlabel('订单ID')
plt.ylabel('消费金额')
plt.title('消费金额前10')
哪个订单ID平均消费最贵
Group_sum['average'] = Group_sum['total_amounts']/Group_sum['counts']
sort_average = Group_sum.sort_values(by='average',ascending=False)
sort_average['average'][:].plot(kind='bar')
plt.xlabel('订单ID')
plt.ylabel('消费单价')
plt.title('订单消费单价前10')
一天当中什么时间段，点菜量比较集中（hour）
data['hourcount'] = 1 # 新列，用作计数器
data['time'] = pd.to_datetime(data['place_order_time']) #将时间转换成日期类型存储
data['hour'] = data['time'].map(lambda x:x.hour)
gp_by_hour = data.groupby(by='hour').count()['hourcount']
gp_by_hour.plot(kind='bar')
plt.xlabel('小时')
plt.ylabel('点菜数量')
plt.title('点菜数与小时的关系图')
哪一天订餐数量最多
data['daycount'] = 1
data['day'] = data['time'].map(lambda x:x.day) #解析出天
gp_by_day = data.groupby(by='day').count()['daycount']
gp_by_day.plot(kind='bar')
plt.xlabel('8月份日期')
plt.ylabel('点菜数量')
plt.title('点菜数量与日期的关系图')
#拓展：排序，取点菜量最大的前5天
查看星期几人数最多，订餐数最多，映射数据到星期
data['weekcount'] = 1
data['weekday'] = data['time'].map(lambda x:x.weekday())
gp_by_weekday = data.groupby(by='weekday').count()['weekcount']
gp_by_weekday.plot(kind='bar')
plt.xlabel('星期')
plt.ylabel('点菜数量')
plt.title('点菜数量与星期关系图')
总结
以上就是对数据的简单认识和处理，通过作图让我们能够更加清晰的认识数据，加深了解数据之间的联系和区别
不同维度进行数据分析：
针对订单order_id:
什么菜最受欢迎
点菜的种类
点菜的数量
消费金额最大
平均消费
针对时间日期进行分析：
点菜量比较集中的时间
哪一天订餐量最大
星期几就餐人数最多
技术点：
拼接数据：pd.concat([列1，…])
分组进行统计（分组求和）
排序，切片Top10
绘制柱状图走势和高度
