趣数据，五道口吃货指南！
趣数据，五道口吃货指南！
来自专栏 DataHunter
作为宇宙中心，五道口的美食也是相当出名。
对于学院路附近各大学的学生和公司员工来说，每天最发愁的事情可能就是「今天要翻哪家餐厅的牌子」。
小编作为资深吃货，特别想知道还有哪些漏网之鱼待我品尝，所以一个冲动就爬取了大众点评上五道口所有的餐厅数据，所以接下来让我们来完成一次香气四溢的数据可视化分析之旅吧。
一、数据采集
工具：集搜客（相对简单，推荐小白使用，没有收广告费哦）
共采集原始数据742条
二、分析主题
1、哪个菜系的餐馆最多？
2、不同菜系的人均消费分别是多少？
3、哪个餐馆最为火爆，评价人数最多？
4、口味、服务、环境综合评分最高的是哪家餐馆？
三、理解数据
通过观察发现，H列以后的数据，都是与分析主题无关的数据，所以我们可以将它们都隐藏掉。
四、清洗数据
数据清洗的详细步骤和内容，可以参考公众号的上一篇推文，用excel就能完成。
这里说一下针对此文中数据的主要操作：
1、删除重复值
2、格式处理
「总点评数」这一列的数据为文本格式，无法进行计算，所以需要进行格式转换。
首先选中该列，点击「分列」工具，在设置列数据类型时选择「常规」即可。完成后的该列数据格式就会变为「数值」格式。
3、缺失值处理
通过筛选功能，发现一共有112条记录没有人均消费数据，我们将其做删除处理。
4、一致化处理
人均消费、口味、服务、环境的数据，很明显包含很多无用的文字，我利用数据-分列功能将其进行优化，最后得到结果如下：
五、数据分析及可视化
将上述清洗好的数据导入工具备用
工具：DataHunter的数据可视化分析工具Data Analytics
1、将「菜系」分别拖入维度和度量，选择生成文字云，可以很明显看到各菜系的分布情况，其中小吃快餐、面包甜点、咖啡厅、火锅、韩国料理、西餐、烧烤、日本菜的店铺都比较多。
2、将「菜系」拖入维度，「人均消费」拖入度量，选择生成柱状图，就可以看到各个菜系的平均消费情况。
注意：度量中默认的聚合方式是综合，我们将其选择为「平均值」，并选择「降序」，就有了下图。
可以看到，人均消费最高的当属江浙菜，人均消费达到了160元，自助餐也不低，人均消费达到了127元；而人均消费最低的当属小吃快餐和粉面馆，分别为25元和26元。
我们发现了一个有意思的现象：上面菜系最多的餐馆跟人均消费最低的一样，都是小吃快餐。
3、将「餐厅名称」拖入维度，「总点评数」拖入度量，并将其进行降序排序，然后限制显示前10项，所得结果如下图。
被点评最多的前十位餐厅分别为：火炉火（东源大厦店）、局气、水木锦堂、明洞邦、付小姐在成都、麻小麻辣诱惑、火炉火（五道口店）、日昌餐馆、东来顺饭庄和椒鸣椒麻小馆。
怎么样？这十家店，你吃过几家？
4、将「餐厅名称」拖入维度，「口味」拖入度量，同样降序排序并显示前十项，选择生成矩形树图，可以明显看到，口味这项评分最高的是攀成钢小郡肝串串香，为9.2分；当然剩余九项也不错，都是9.1分。
同样的操作，可以看到，服务和环境评分最高的都是鲲记诗酒花茶酸菜鱼，有没有被种草呢？
六、得出结论
1、小吃快餐类的餐馆最多；
2、江浙菜的人均消费最高，小吃餐馆类的人均消费最低；
3、评价人数最多的餐馆为火炉火（东源大厦店）；
4、口味评分最高的餐馆为攀成钢小郡肝串串香，服务、环境综合评分最高的都是鲲记诗酒花茶酸菜鱼。
七、拓展
1、哪个菜系的口味评分最高？
2、哪家餐馆的口味、服务、环境平均评分最高？
小编将这次分析所用的数据放到公众号供大家练手，在公众号窗口回复「五道口」，就可以获取。
如果你能完美解答上述两个问题，那么恭喜你，已经基本可以利用Data Analytics进行业务数据分析了哦！
推荐阅读：
