正文

咪咕体育 -f2翙r8勰sd蒯pj鳏0o翙

xiaohua
xiaohua V管理员 /28阅读/0评论
0123
文章最后更新时间2026年01月23日，若文章内容或图片失效，请留言反馈！

　　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:咪咕网站//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）

咪咕体育 -f2翙r8勰sd蒯pj鳏0o翙

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咪咕娱乐平台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:咪咕体育平台/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

　　

咪咕体育 -f2翙r8勰sd蒯pj鳏0o翙

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10library(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#m2p3 <- 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。