tynbl.github.io

实战案例2：麦当劳菜单营养成分分析

项目：麦当劳菜单营养成分分析
作者：梁斌
日期：2017/09
提问：小象问答
声明：小象学院拥有完全知识产权的权利；只限于善意学习者在本课程使用，不得在课程范围外向任何第三方散播。任何其他人或机构不得盗版、复制、仿造其中的创意，我们将保留一切通过法律手段追究违反者的权利

1. 项目描述：

过去30年，麦当劳已经认识到均衡饮食的重要性。他们花费多年时间探索和开发健康餐单。他们进行了不同研究和试验，对麦当劳的正式供应商，以及其他资源完成实验室认证。经过对麦当劳食品的严谨研究，证明它确实是一种健康生活方式的组成部分。美国营养师协会的一些合格专业人员已经认识和发现沙拉、汤和烤三明治，水果派等麦当劳食品真的非常健康。

尽管麦当劳提供大量汉堡包和炸薯条，适量食用是不会有任何问题的。但由于麦当劳食品非常美味，以至于很多孩子喜欢大量的吃，这也是导致出现问题的原因所在。吃任何东西过量都对健康不利。很多人对新的麦当劳营养指南感兴趣，因为他们需要减肥，但却经常吃这种快餐食品。但问题不仅仅是控制热量摄入这么简单。

该项目针对麦当劳菜单中的营养成分进行分析，用数据说话。

2. 数据集描述:

Kaggle提供的数据集麦当劳菜单的各项营养成分，以CSV文件的格式保存。
数据字典
- Category: 菜单类型，字符串
- Item: 单品名称，字符串
- Serving Size: 单品份量，字符串
- Calories: 热量，整型
- Calories from Fat: 来自脂肪的热量，整型
- Total Fat: 脂肪含量，浮点型
- Total Fat (% Daily Value): 每日建议摄取量（脂肪），整型
- Saturated Fat: 饱和脂肪含量，浮点型
- Saturated Fat (% Daily Value): 每日建议摄取量（饱和脂肪），整型
- Trans Fat: 反式脂肪酸，浮点型
- Cholesterol: 胆固醇含量，整型
- Cholesterol (% Daily Value): 每日建议摄取量（胆固醇含量），整型
- Sodium: 钠含量，整型
- Sodium (% Daily Value): 每日建议摄取量（钠），整型
- Carbohydrates: 碳水化合物含量，整型
- Carbohydrates (% Daily Value): 每日建议摄取量（碳水化合物），整型
- Dietary Fiber: 膳食纤维含量，整型
- Dietary Fiber (% Daily Value): 每日建议摄取量（膳食纤维含量），整型
- Sugars: 糖含量，整型
- Protein: 蛋白质含量，整型
- Vitamin A (% Daily Value): 每日建议摄取量（维生素A），整型
- Vitamin C (% Daily Value): 每日建议摄取量（维生素C），整型
- Calcium (% Daily Value): 每日建议摄取量（钙），整型
- Iron (% Daily Value): 每日建议摄取量（铁），整型

3. 项目任务：

3.1 按单品类型分析查看数据
3.2 按菜单类型分析查看数据
3.3 查看分析单品及菜单的份量

4. 项目实现：

# 引入必要的包
import csv
import os
import numpy as np
import pandas as pd

# 指定数据集路径
dataset_path = '../data'
datafile = os.path.join(dataset_path, 'menu.csv')

# 读入数据
menu_data = pd.read_csv(datafile)

# 数据预览 
menu_data.head()

	Category	Item	Serving Size	Calories	Calories from Fat	Total Fat	Total Fat (% Daily Value)	Saturated Fat	Saturated Fat (% Daily Value)	...	Carbohydrates	Carbohydrates (% Daily Value)	Dietary Fiber	Dietary Fiber (% Daily Value)	Sugars	Protein	Vitamin A (% Daily Value)	Calcium (% Daily Value)	Iron (% Daily Value)
0	Breakfast	Egg McMuffin	4.8 oz (136 g)	300	120	13.0	20	5.0	25	...	31	10	4	17	3	17	10	25	15
1	Breakfast	Egg White Delight	4.8 oz (135 g)	250	70	8.0	12	3.0	15	...	30	10	4	17	3	18	6	25	8
2	Breakfast	Sausage McMuffin	3.9 oz (111 g)	370	200	23.0	35	8.0	42	...	29	10	4	17	2	14	8	25	10
3	Breakfast	Sausage McMuffin with Egg	5.7 oz (161 g)	450	250	28.0	43	10.0	52	...	30	10	4	17	2	21	15	30	15
4	Breakfast	Sausage McMuffin with Egg Whites	5.7 oz (161 g)	400	210	23.0	35	8.0	42	...	30	10	4	17	2	21	6	25	10

5 rows × 24 columns

# 数据信息
menu_data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 260 entries, 0 to 259
Data columns (total 24 columns):
Category                         260 non-null object
Item                             260 non-null object
Serving Size                     260 non-null object
Calories                         260 non-null int64
Calories from Fat                260 non-null int64
Total Fat                        260 non-null float64
Total Fat (% Daily Value)        260 non-null int64
Saturated Fat                    260 non-null float64
Saturated Fat (% Daily Value)    260 non-null int64
Trans Fat                        260 non-null float64
Cholesterol                      260 non-null int64
Cholesterol (% Daily Value)      260 non-null int64
Sodium                           260 non-null int64
Sodium (% Daily Value)           260 non-null int64
Carbohydrates                    260 non-null int64
Carbohydrates (% Daily Value)    260 non-null int64
Dietary Fiber                    260 non-null int64
Dietary Fiber (% Daily Value)    260 non-null int64
Sugars                           260 non-null int64
Protein                          260 non-null int64
Vitamin A (% Daily Value)        260 non-null int64
Vitamin C (% Daily Value)        260 non-null int64
Calcium (% Daily Value)          260 non-null int64
Iron (% Daily Value)             260 non-null int64
dtypes: float64(3), int64(18), object(3)
memory usage: 48.8+ KB

menu_data.describe()

	Calories	Calories from Fat	Total Fat	Total Fat (% Daily Value)	Saturated Fat	Saturated Fat (% Daily Value)	Trans Fat	Cholesterol	Cholesterol (% Daily Value)	Sodium	...	Carbohydrates	Carbohydrates (% Daily Value)	Dietary Fiber	Dietary Fiber (% Daily Value)	Sugars	Protein	Vitamin A (% Daily Value)	Vitamin C (% Daily Value)	Calcium (% Daily Value)	Iron (% Daily Value)
count	260.000000	260.000000	260.000000	260.000000	260.000000	260.000000	260.000000	260.000000	260.000000	260.000000	...	260.000000	260.000000	260.000000	260.000000	260.000000	260.000000	260.000000	260.000000	260.000000	260.000000
mean	368.269231	127.096154	14.165385	21.815385	6.007692	29.965385	0.203846	54.942308	18.392308	495.750000	...	47.346154	15.780769	1.630769	6.530769	29.423077	13.338462	13.426923	8.534615	20.973077	7.734615
std	240.269886	127.875914	14.205998	21.885199	5.321873	26.639209	0.429133	87.269257	29.091653	577.026323	...	28.252232	9.419544	1.567717	6.307057	28.679797	11.426146	24.366381	26.345542	17.019953	8.723263
min	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	...	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000
25%	210.000000	20.000000	2.375000	3.750000	1.000000	4.750000	0.000000	5.000000	2.000000	107.500000	...	30.000000	10.000000	0.000000	0.000000	5.750000	4.000000	2.000000	0.000000	6.000000	0.000000
50%	340.000000	100.000000	11.000000	17.000000	5.000000	24.000000	0.000000	35.000000	11.000000	190.000000	...	44.000000	15.000000	1.000000	5.000000	17.500000	12.000000	8.000000	0.000000	20.000000	4.000000
75%	500.000000	200.000000	22.250000	35.000000	10.000000	48.000000	0.000000	65.000000	21.250000	865.000000	...	60.000000	20.000000	3.000000	10.000000	48.000000	19.000000	15.000000	4.000000	30.000000	15.000000
max	1880.000000	1060.000000	118.000000	182.000000	20.000000	102.000000	2.500000	575.000000	192.000000	3600.000000	...	141.000000	47.000000	7.000000	28.000000	128.000000	87.000000	170.000000	240.000000	70.000000	40.000000

8 rows × 21 columns

4.1 按单品类型分析查看数据

used_cols = ['Calories', 'Calories from Fat', 'Total Fat', 'Cholesterol', 'Sugars']
# 营养成分最高的单品
max_idxs = [menu_data[col].argmax() for col in used_cols]
for col, max_idx in zip(used_cols, max_idxs):
    print('{} 最高的单品：{}'.format(col, menu_data.iloc[max_idx]['Item']))

Calories 最高的单品：Chicken McNuggets (40 piece)
Calories from Fat 最高的单品：Chicken McNuggets (40 piece)
Total Fat 最高的单品：Chicken McNuggets (40 piece)
Cholesterol 最高的单品：Big Breakfast with Hotcakes (Regular Biscuit)
Sugars 最高的单品：McFlurry with M&M’s Candies (Medium)

# 营养成分最低的单品
min_idxs = [menu_data[col].argmin() for col in used_cols]
for col, min_idx in zip(used_cols, min_idxs):
    print('{} 最低的单品：{}'.format(col, menu_data.iloc[min_idx]['Item']))

Calories 最低的单品：Diet Coke (Small)
Calories from Fat 最低的单品：Side Salad
Total Fat 最低的单品：Side Salad
Cholesterol 最低的单品：Hash Brown
Sugars 最低的单品：Hash Brown

4.2 按菜单类型分析查看数据

# 菜单类型的单品数目分布
cat_grouped = menu_data.groupby('Category')
print('菜单类型的单品数目：')
print(cat_grouped.size().sort_values(ascending=False))

菜单类型的单品数目：
Category
Coffee & Tea          95
Breakfast             42
Smoothies & Shakes    28
Chicken & Fish        27
Beverages             27
Beef & Pork           15
Snacks & Sides        13
Desserts               7
Salads                 6
dtype: int64

# 菜单类型的营养成分分布
print('菜单类型的营养成分分布：')

used_cols = ['Calories', 'Calories from Fat', 'Total Fat', 'Cholesterol', 'Sugars']
print(cat_grouped[used_cols].mean())

菜单类型的营养成分分布：
                      Calories  Calories from Fat  Total Fat  Cholesterol  \
Category                                                                    
Beef & Pork         494.000000         224.666667  24.866667    87.333333   
Beverages           113.703704           0.740741   0.092593     0.555556   
Breakfast           526.666667         248.928571  27.690476   152.857143   
Chicken & Fish      552.962963         242.222222  26.962963    75.370370   
Coffee & Tea        283.894737          71.105263   8.021053    27.263158   
Desserts            222.142857          64.285714   7.357143    15.000000   
Salads              270.000000         108.333333  11.750000    51.666667   
Smoothies & Shakes  531.428571         127.678571  14.125000    45.000000   
Snacks & Sides      245.769231          94.615385  10.538462    18.461538   

                       Sugars  
Category                       
Beef & Pork          8.800000  
Beverages           27.851852  
Breakfast            8.261905  
Chicken & Fish       7.333333  
Coffee & Tea        39.610526  
Desserts            26.142857  
Salads               6.833333  
Smoothies & Shakes  77.892857  
Snacks & Sides       4.076923  

# 营养成分最高的菜单类型
max_cats = [cat_grouped[col].mean().argmax() for col in used_cols]
for col, cat in zip(used_cols, max_cats):
    print('{} 最高的菜单类型：{}'.format(col, cat))

Calories 最高的菜单类型：Chicken & Fish
Calories from Fat 最高的菜单类型：Breakfast
Total Fat 最高的菜单类型：Breakfast
Cholesterol 最高的菜单类型：Breakfast
Sugars 最高的菜单类型：Smoothies & Shakes

# 营养成分最低的菜单类型
min_cats = [cat_grouped[col].mean().argmin() for col in used_cols]
for col, cat in zip(used_cols, min_cats):
    print('{} 最低的菜单类型：{}'.format(col, cat))

Calories 最低的菜单类型：Beverages
Calories from Fat 最低的菜单类型：Beverages
Total Fat 最低的菜单类型：Beverages
Cholesterol 最低的菜单类型：Beverages
Sugars 最低的菜单类型：Snacks & Sides

4.3 查看分析单品及菜单的份量

menu_data['Serving Size'].head()

  4.8 oz (136 g)
  4.8 oz (135 g)
  3.9 oz (111 g)
  5.7 oz (161 g)
  5.7 oz (161 g)
Name: Serving Size, dtype: object

# 过滤数据，只保留包含 'g'的单品
sel_menu_data = menu_data[menu_data['Serving Size'].str.contains('g')].copy()

def proc_size_str(size_str):
    """
        处理serving size字符串，返回g
    """
    start_idx = size_str.index('(') + 1
    end_idx = size_str.index('g')
    size_val = size_str[start_idx : end_idx]
    return float(size_val)

sel_menu_data['Size'] = sel_menu_data['Serving Size'].apply(proc_size_str)
sel_menu_data.head()

	Category	Item	Serving Size	Calories	Calories from Fat	Total Fat	Total Fat (% Daily Value)	Saturated Fat	Saturated Fat (% Daily Value)	...	Carbohydrates (% Daily Value)	Dietary Fiber	Dietary Fiber (% Daily Value)	Sugars	Protein	Vitamin A (% Daily Value)	Calcium (% Daily Value)	Iron (% Daily Value)	Size
0	Breakfast	Egg McMuffin	4.8 oz (136 g)	300	120	13.0	20	5.0	25	...	10	4	17	3	17	10	25	15	136.0
1	Breakfast	Egg White Delight	4.8 oz (135 g)	250	70	8.0	12	3.0	15	...	10	4	17	3	18	6	25	8	135.0
2	Breakfast	Sausage McMuffin	3.9 oz (111 g)	370	200	23.0	35	8.0	42	...	10	4	17	2	14	8	25	10	111.0
3	Breakfast	Sausage McMuffin with Egg	5.7 oz (161 g)	450	250	28.0	43	10.0	52	...	10	4	17	2	21	15	30	15	161.0
4	Breakfast	Sausage McMuffin with Egg Whites	5.7 oz (161 g)	400	210	23.0	35	8.0	42	...	10	4	17	2	21	6	25	10	161.0

5 rows × 25 columns

# 份量最多的单品
max_idx = sel_menu_data['Size'].argmax()
print('份量最多的单品：{}，{}g'.format(sel_menu_data.iloc[max_idx]['Item'], sel_menu_data['Size'].max()))

min_idx = sel_menu_data['Size'].argmin()
print('份量最少的单品：{}，{}g'.format(sel_menu_data.iloc[min_idx]['Item'], sel_menu_data['Size'].min()))

份量最多的单品：Chicken McNuggets (40 piece)，646.0g
份量最少的单品：Kids Ice Cream Cone，29.0g

sel_cat_grouped = sel_menu_data.groupby('Category')

print('份量最多的类别：{}，{}g'.format(sel_cat_grouped['Size'].mean().argmax(), 
                             sel_cat_grouped['Size'].mean().max()))

print('份量最少的类别：{}，{}g'.format(sel_cat_grouped['Size'].mean().argmin(), 
                             sel_cat_grouped['Size'].mean().min()))

份量最多的类别：Smoothies & Shakes，304.75g
份量最少的类别：Desserts，101.57142857142857g

5. 项目总结

该项目通过分析麦当劳菜单营养成分实践了Pandas的常用技巧，包括:
- csv数据的读入
- Pandas索引数据
- Pandas数据过滤
- Pandas apply函数
- Pandas 常用统计函数
课后学员可模仿该项目的流程与操作，在现有数据集上尝试更有趣的分析结果
该项目有配套的Python代码

This site is open source. Improve this page.