简介餐厅评分数据简介分析评分数据 简介
为了更好的熟练掌握pandas在实际数据分析中的应用，今天我们再介绍一下怎么使用pandas做美国餐厅评分数据的分析。
餐厅评分数据简介数据的来源是UCI ML Repository，包含了一千多条数据，有5个属性，分别是：
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
我们使用pandas来读取数据：
import numpy as nppath = '../data/restaurant_rating_final.csv'df = pd.read_csv(path)df
1161 rows × 5 columns
分析评分数据如果我们关注的是不同餐厅的总评分和食物评分，我们可以先看下这些餐厅评分的平均数，这里我们使用pivot_table方法：
mean_ratings = df.pivot_table(values=['rating','food_rating'], index='placeID', aggfunc='mean')mean_ratings[:5]
然后再看一下各个placeID，投票人数的统计：
ratings_by_place = df.groupby('placeID').size()ratings_by_place[:10]
placeID132560 4132561 4132564 4132572 15132583 4132584 6132594 5132608 6132609 5132613 6dtype: int64
如果投票人数太少，那么这些数据其实是不客观的，我们来挑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)
选择这些餐厅的平均评分数据：
mean_ratings = mean_ratings.loc[active_place]mean_ratings
124 rows × 2 columns
对rating进行排序，选择评分最高的10个：
top_ratings = mean_ratings.sort_values(by='rating', ascending=False)top_ratings[:10]
我们还可以计算平均总评分和平均食物评分的差值，并以一栏diff进行保存：
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，选择差距最大的前10：
sorted_by_diff[::-1][:10]
计算rating的标准差，并选择最大的前10个：
# Standard deviation of rating grouped by placeIDrating_std_by_place = df.groupby('placeID')['rating'].std()# Filter down to active_titlesrating_std_by_place = rating_std_by_place.loc[active_place]# Order Series by value in descending orderrating_std_by_place.sort_values(ascending=False)[:10]
placeID134987 1.154701135049 1.000000134983 1.000000135053 0.991031135027 0.991031132847 0.983192132767 0.983192132884 0.983192135082 0.971825132706 0.957427Name: rating, dtype: float64
本文已收录于 http://www.flydean.com/02-pandas-restaurant/
最通俗的解读，最深刻的干货，最简洁的教程，众多你不知道的小技巧等你来发现！
欢迎关注我的公众号:「程序那些事」,懂技术，更懂你！