kaggle：R可视化分析金拱门餐厅食物营养性（一）

作者：邬书豪，车联网数据挖掘工程师 ，R语言中文社区专栏作者。微信ID：wsh137552775

知乎专栏：https://www.zhihu.com/people/wu-shu-hao-67/activities

上市公司全球大型跨国连锁快餐巨头金拱门餐厅，在全世界上大约拥有32000家分店，分布在全球121个国家和地区！我们偶尔吃的这家快餐，它滴食物营养性咋样，今天我们就来对kaggle竞争上的这份数据做一个可视化分析！

公众号后台回复“金拱门”下载数据集。

理解数据变量

• Category(食物类别） 如Breakfast、Beef & Pork等等

• Item（食物名称）

• Serving Size（份量）

• Calories（卡路里）

• Calories from Fat（来自脂肪的热量）

• Total Fat（总脂肪）

• Saturated Fat（饱和脂肪）

• Trans Fat（反式脂肪）

• Cholesterol（胆固醇）

• Sodium（钠）

• Carbohydrates 碳水化合物

• Dietary Fiber（膳食纤维）

• Sugars（糖）

• Protein（蛋白）

• Vitamin A (% Daily Value)、Vitamin C (% Daily Value)

• Calcium (% Daily Value) （钙）

• Iron (% Daily Value) （铁）

分析要求是：

1、麦当劳食品的平均卡路里是多少？

2、饮用多少饮料，例如苏打水或者咖啡，会加强总热量的摄入？

3、购买烤鸡肉三明治，而不是炸鸡肉三明治，是否会更加有营养？

4、怎么从菜单中选择最少数量的食品来你满足一天的营养需求？

#加载包，读入数据，查看数据形式 suppressMessages(library(ggplot2)) suppressMessages(library(dplyr)) suppressMessages(library(plotly)) suppressMessages(library(RColorBrewer)) suppressMessages(library(devtools)) suppressMessages(library(yarrr)) suppressMessages(library(tidyr)) suppressMessages(library(gridExtra)) suppressMessages(library(viridis)) menu<-read.csv("D:/金拱门食物数据/menu.csv") str(menu)

#查看缺失值： library(mice) md.pattern(menu)

缺失值情况

从上图可以看出，menu数据没有缺失值。

#可视化分析食物类别绘图（图1） m <- list(l = 50,r = 50,b = 100,t = 100,pad = 4) marker = list(color = brewer.pal(9, "Set1")) p <- plot_ly(x = menu$Category,marker = list(color = '#45171D'),type = "histogram")%>%  layout(xaxis = list(title = ""),yaxis = list(title = ""),autosize = T) p

图1：食物类别

从上图可以看出，食物类别中数目最多的是Coffee & Tea，其次是Breakfast

#食物卡路里与糖分的关系绘图（图2） d1<-menu%>%ggplot(aes(x=Sugars,y=Calories))+stat_density_2d(geom = "polygon", aes(fill = ..level..), h=c(100,1500) ,contour = TRUE)+scale_fill_viridis(option="magma") #碳水化合物与卡路里的可视化绘图（图3） d2<-menu%>%ggplot(aes(x=Carbohydrates,y=Calories))+stat_density_2d(geom = "tile", aes(fill = ..density..), h=c(100,1500) ,contour = FALSE)+scale_fill_viridis(option="magma") #钠与卡路里的可视化绘图（图4） d3<-menu%>%ggplot(aes(x=Sodium,y=Calories))+stat_density_2d(geom = "tile", aes(fill = ..density..), h=c(3000,1500) ,contour = FALSE)+scale_fill_viridis(option="magma") #胆固醇与卡路里的可视化绘图（图5） d4<-menu%>%ggplot(aes(x=Cholesterol,y=Calories))+stat_density_2d(geom = "tile", aes(fill = ..density..), h=c(600,1500) ,contour = FALSE)+scale_fill_viridis(option="magma") #膳食纤维与卡路里的可视化绘图（图6） d5<-menu%>%ggplot(aes(x=Dietary.Fiber,y=Protein))+scale_x_continuous(limits=c(0,8),expand=c(0,0))+stat_density_2d(geom = "tile", aes(fill = ..density..), h=c(5,70) ,contour = FALSE)+scale_fill_viridis(option="magma")

图2

图3

图4

图5

图6

#卡路里的热量分布是结果变量，取决于其他营养素变量。 #绘图脂肪的热量与卡路里之间的关系(图7） p1 <- plot_ly(menu,x = ~Calories,type = "histogram",histnorm = "probability",name="Calorie",alpha=0.6)%>%  add_histogram(x = ~Calories.from.Fat,name="Calorie From Fat",alpha=0.6) %>%  layout(barmode = "overlay") p1

图7

#食物类别与卡路里的可视化绘图（图8） new_col<-c("grey50", "blue","hotpink","Magenta","seagreen","violet","brown","maroon","navyblue") plot_ly(x = menu$Category, y=menu$Calories,color = menu$Category,colors =new_col , type = "box")%>%   layout(xaxis = list(title = ""),yaxis = list(title = "Calories"),showlegend=FALSE,autosize = T)

通过箱线图，一目了然！我们可以很清晰的看到每种食物类别的卡路里（第一分位数，第三分位数，最大值，最小值，中位数）

#食物类别与蛋白质含量的可视化绘图（图9） plot_ly(x = menu$Category, y=menu$Protein,color = menu$Category,colors =new_col , type = "box")%>% layout(  xaxis = list(title = ""),  yaxis = list(title = ""),  showlegend=FALSE,  autosize = T)

通过箱线图，一目了然！我们可以很清晰的看到食物类别中蛋白质的（第一分位数，第三分位数，最大值，最小值，中位数）

#食物种类（Category）之Chicken & Fish类与Item的蛋白质（Protein）含量可视化绘图 #图10 library(ggrepel) menu %>% select(Category,Item,Protein,Total.Fat)%>%arrange(desc(Protein))%>%filter(Category =="Chicken & Fish")%>% ggplot(aes(x=Item,y=Protein,col=Item))+geom_point(size=3)+theme(legend.position = "none",axis.title.x=element_blank(), axis.text.x=element_blank(), axis.ticks.x=element_blank())+geom_label_repel(aes(label=substr(Item,1,20)), size=2)+labs(title="High Protein/Fat Item in Chicken & Fish Category")+geom_bar(aes(y=Total.Fat),alpha=0.5,stat="identity")

图10

#碳水化合物含量与食物种类的可视化分析（图11） plot_ly(x = menu$Category, y=menu$Carbohydrates,color = menu$Category,colors =new_col , type = "box") %>% layout(  xaxis = list(title = ""),  yaxis = list(title = ""),  showlegend=FALSE,  autosize = T)

图11

通过箱线图，可以很清晰的看到各食物类别中的碳水化合物含量（第一分位数，第三分位数，最大值，最小值，中位数）

#碳水化合物与碳水化合物之间的散点图，卡路里大于500为红色，卡路里小于500为蓝色（图12） p2<-plot_ly(x=menu$Calories, y=menu$Carbohydrates, type="scatter", mode = "markers" ,           marker=list( color=ifelse(menu$Calories>500,"red","blue") , opacity=0.5 , size=20) ) p2

图12

#食物类别与总脂肪的箱线图绘图，RStudio里可见箱线图数值（图13） plot_ly(x = menu$Category, y=menu$Total.Fat,color = menu$Category,colors =new_col , type = "box") %>% layout(  xaxis = list(title = ""),  yaxis = list(title = ""),  showlegend=FALSE,  autosize = T)

图13

#总脂肪、脂肪的热量，饱和脂肪三维图比较分析绘图（图14） m1<-menu%>%select(Total.Fat,Calories.from.Fat,Saturated.Fat) m2<-as.matrix(m1) colnames(m2)<-NULL #m2 p3 <- plot_ly(z=~m2) %>% add_surface()%>%layout(scene = list(xaxis = list(title = 'Total.Fat'),                                                            yaxis = list(title = 'Calories from Fat'),                                                            zaxis = list(title = 'Saturated Fat'))) p3

未完待续。

公众号后台回复关键字即可学习

回复 R              R语言快速入门免费视频 
回复 统计          统计方法及其在R中的实现
回复 用户画像   民生银行客户画像搭建与应用 
回复 大数据      大数据系列免费视频教程
回复 可视化      利用R语言做数据可视化
回复 数据挖掘   数据挖掘算法原理解释与应用
回复 机器学习   R&Python机器学习入门