用python进行数据分析葡萄酒,哪里最好

之前一直听问某某某参加了kaggle大数据竞赛之类

我就去kaggle上瞄了一眼

打开了新世界的大门!

kaggle上有世界各国网友提供的数据集

https://www.kaggle.com/datasets

《用python进行数据分析葡萄酒,哪里最好》

我这次选了个葡萄酒评分的数据

下载下来之后

内容是这样的

《用python进行数据分析葡萄酒,哪里最好》

一共有150929条记录

数据集的描述是这样的:

在观看Somm(侍酒师纪录片)之后,数据及提供者想知道如何创建一个预测模型,通过像侍酒师那样的盲品来鉴别葡萄酒。 第一步是收集一些数据来训练一个模型。 他打算根据品酒的描述/评论中使用的单词利用深度学习来预测葡萄酒品种。 该模型虽然不能品尝葡萄酒,但理论上可以基于侍酒师可以给出的描述来识别葡萄酒。

小编百度了一下Somm的影片信息如下:

《用python进行数据分析葡萄酒,哪里最好》

我们看看各字段含义:

评分(Points):评分为1-100

品种(Variety):用来制作葡萄酒的葡萄品种

描述(Description):侍酒师的几句话描述酒的味道,气味,外观,感觉等。

国家(Country):葡萄酒来自的国家

省(Province):葡萄酒来自的省份或州

区域1(Region 1):一个省或州的葡萄酒产区

区域2(Region 2):有时在葡萄酒产区内有更具体的区域,但是这个值有时可能是空白的

酒庄(Winery):酿酒的酿酒厂

名称(Designation):葡萄酒酿造厂所在的葡萄园

价格(Price):一瓶葡萄酒的价格

数据探索

我们使用pandas读取这个文件:

《用python进行数据分析葡萄酒,哪里最好》

我们查看一下前五行数据:

《用python进行数据分析葡萄酒,哪里最好》

删除掉本次分析用不到的字段后再次看看情况:

《用python进行数据分析葡萄酒,哪里最好》

看一下每个字段的类型:

《用python进行数据分析葡萄酒,哪里最好》

发现评分和价格是数值型的,我们计算时候就不用转换类型了~

我们看一下各字段的数据缺失情况:

《用python进行数据分析葡萄酒,哪里最好》

本想把有缺失值的记录去掉,去掉后发现只有US的葡萄酒信息,所以没去除存在缺失值的记录

葡萄酒的评分情况

我们通过绘制直方图查看评分分布情况:

《用python进行数据分析葡萄酒,哪里最好》

发现基本符合高斯分布情况,评分大多集中在85~90分

葡萄酒的价格情况

接着我们看看葡萄酒的价格情况:

《用python进行数据分析葡萄酒,哪里最好》

发现价格集中在图示的最左端,因为有特殊离群值的影响,所以区间给的特别宽

《用python进行数据分析葡萄酒,哪里最好》

通过筛选发现确实是有特别昂贵的葡萄酒(这里暂且不管这个价格数据是采集异常还是真的这么贵)

为了可视化到主要的部分,我们选中大部分的价格重新做可视化

《用python进行数据分析葡萄酒,哪里最好》

这样就可以看到,大部分的价格是在0-100(好像数据集提供者没告诉我价格的单位)

为了买到满意的葡萄酒,我们看看葡萄酒的性价比

简单定义为 性价比 = 评分/价格

《用python进行数据分析葡萄酒,哪里最好》

结果发现计算出的价格低的明显性价比高

我们看看总体上葡萄酒价格和评分的关系:

《用python进行数据分析葡萄酒,哪里最好》

发现评分相同的葡萄酒,价格还是差异挺大,特别是评分较高的葡萄酒价格的差异

从图中也可以看出,有几个离群值,他们大多价格很高!

葡萄酒基本来自哪些国家

《用python进行数据分析葡萄酒,哪里最好》

我们看到,生产葡萄酒的五个大国是吗,美国、意大利、发过、西班牙、智利共和国。

为了更直观凸显他们的比例,我们绘制饼图:

《用python进行数据分析葡萄酒,哪里最好》

发现美国真是占据了葡萄酒的半壁江山啊

应该是这个数据收集者没收集到中国的数据,我们也是葡萄酒大国之一啊!

看看这些国家在全球的分布(点的大小代表葡萄酒品种多):

《用python进行数据分析葡萄酒,哪里最好》

除去美国最多,我们看看其次的几个:

《用python进行数据分析葡萄酒,哪里最好》

(以上两个图是用Tableau画的)

酿造葡萄酒的葡萄品种

《用python进行数据分析葡萄酒,哪里最好》

我这个不懂酒的程序猿马上查了一下前三的葡萄!

《用python进行数据分析葡萄酒,哪里最好》
《用python进行数据分析葡萄酒,哪里最好》
《用python进行数据分析葡萄酒,哪里最好》

为了看一下这些葡萄使用的比重,做个饼图:

《用python进行数据分析葡萄酒,哪里最好》

发现前三种占据了1/4

后面还有使用较少的名称堆叠在了一起

酒庄信息

我们接下来看看酒庄信息:

《用python进行数据分析葡萄酒,哪里最好》

前五的葡萄酒品种最多

分别是:

1.威廉斯莱酒庄

《用python进行数据分析葡萄酒,哪里最好》

来源:

http://baijiahao.baidu.com/s?id=1559415099145034&wfr=spider&for=pc

2.特斯坦罗萨酒厂

3.DFJ Vinhos

《用python进行数据分析葡萄酒,哪里最好》

来源:http://cache.baiducontent.com/c?m=9d78d513d99515f74fede53a564a8d3b584381132ba7a7020ed0843e967328355321a3e52878564291d27d141cb20c19afe736056f5e7bebdd9bc9118efec97478c93034074ddb1e0f8245b29d127d857bcc00b4ee0ee7cdb268d1&p=9c769a47ca9a02ff57efcd3159&newp=8457c54ad48b0be00be296264a53d8304a02c70e3ac3864e1290c408d23f061d4862e5b125251003d3c6776705a44a56e9f6307123454df6cc8a871d81edda6260&user=baidu&fm=sc&query=DFJ+Vinhos%BE%C6%D7%AF&qid=d5be9796000028be&p1=2

4.圣密夕酒庄

《用python进行数据分析葡萄酒,哪里最好》

来源:http://www.wine-world.com/winery/chateau-ste-michelle-winery

5.哥伦比亚山峰酒庄

《用python进行数据分析葡萄酒,哪里最好》

看看哪个酒庄的葡萄酒均价最高:

《用python进行数据分析葡萄酒,哪里最好》

1.巴布莱尔酒庄

苏格兰最古老的酒庄之一,巴布莱尔酒庄是全球唯一专注生产单一年份威士忌(Single Vintage Whisky)的酒庄。

2.拉图城堡酒庄

享有“全球最昂贵的酒庄”声誉,是当之无愧的法国国宝级酒庄。

3.花思蝶酒庄

700年的历史,意大利托斯卡纳最古老的葡萄酒世家之一,曾成为罗马教皇和英王亨利八世的御用佳酿。

4.奥比昂酒庄

法国五大酒庄之一

5.美讯庄园

地处法国波尔多(Bordeaux)格拉夫(Graves)产区的最北端,与奥比昂酒庄(Chateau Haut-Brion)同属于克兰斯帝龙酒业集团(Domaine Clarence Dillon)旗下酒庄,两个酒庄之间仅有一路之隔。美讯酒庄出产的葡萄酒是整个波尔多地区首屈一指的顶级佳酿。

我们看看这五个酒庄的葡萄酒平均价格变化趋势:

《用python进行数据分析葡萄酒,哪里最好》

前两个的价格遥遥领先~

买不起,买不起!

《用python进行数据分析葡萄酒,哪里最好》

    原文作者:我爱学python
    原文地址: https://www.jianshu.com/p/edfba30d085b
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞