Исследование рынка заведений общественного питания Москвы¶

Описание проекта

Заказчики — инвесторы из фонда «Shut Up and Take My Money» решили попробовать себя в новой области и открыть заведение общественного питания в Москве. Заказчики ещё не знают, что это будет за место: кафе, ресторан, пиццерия, паб или бар, — и какими будут расположение, меню и цены.

  1. Необходимо подготовить исследование рынка Москвы:

    • найти интересные особенности
    • презентовать полученные результаты, которые в будущем помогут в выборе подходящего инвесторам места

  2. Сделать детальное исследование для открытия кофейни:

    • мечта заказчиков — открыть в Москве такую же крутую и доступную кофейню как в сериале "Друзья"
    • заказчики не боятся конкуренции в этой сфере
    • необходимо определить, осуществима ли мечта заказчиков

Содержание:

  1. Исследование рынка Москвы
  2. Исследование для открытия кофейни
  3. Презентация

👉 Итоги исследования

Описание данных

В таблице moscow_places.csv датасет с заведениями общественного питания Москвы, составленный на основе данных сервисов Яндекс Карты и Яндекс Бизнес на лето 2022 года. Информация носит исключительно справочный характер:

  • name — название заведения,
  • address — адрес заведения,
  • category — категория заведения,
  • hours — информация о днях и часах работы,
  • lat — широта географической точки заведения,
  • lng — долгота географической точки заведения,
  • rating — рейтинг заведения по оценкам пользователей в Яндекс Картах,
  • price — категория цен в заведении,
  • avg_bill — строка, средняя стоимость заказа в виде диапазона,
  • middle_avg_bill — число с оценкой среднего чека,
  • middle_coffee_cup — число с ценой одной чашки капучино,
  • chain — число, 0 — заведение не является сетевым, 1 — заведение является сетевым,
  • district — административный район заведения,
  • seats — количество посадочных мест

Общая информация о данных¶

In [1]:
# импорт библиотек
import pandas as pd
import matplotlib.pyplot as plt
from IPython.display import display, Markdown
import os
import seaborn as sns
import numpy as np
from datetime import datetime as dt
import matplotlib.ticker as mticker
from plotly import graph_objects as go
import sys
from folium import Map, Choropleth, Marker, DivIcon
from folium.plugins import MarkerCluster
import scipy.stats as st
In [2]:
# проверка на возможность выполнения Mardown
if 'ipykernel' in sys.modules:
    flag_md = 1
else:
    flag_md = 0
In [3]:
# чтение файла с данными и сохранение в датафрейм
dir1 = '/datasets/'
dir2 = '/Users/alexslobodskoj/Data_Analyst/'
places_pth = 'moscow_places.csv'


if os.path.exists(dir1):
    df_places = pd.read_csv(dir1 + places_pth)
elif os.path.exists(dir2):
    df_places = pd.read_csv(dir2 + places_pth)
else:
    print('Something is wrong')
In [4]:
# датафрейм о заведениях
# вывод первых 5 строчек 
display(df_places.head())

# вывод основной информации
df_places.info()

# задание размера области графиков
plt.figure(figsize=(12, 8))

# гистограмма для столбца 'rating'
plt.subplot(2, 2, 1)
sns.histplot(df_places['rating'])
plt.title('Распределение заведений рейтингу')
plt.ylabel('Количество')
plt.xlabel('Рейтинг')

# гистограмма для столбца 'middle_avg_bill'
plt.subplot(2, 2, 2)
sns.histplot(df_places['middle_avg_bill'])
plt.title('Распределение заведений по среднему чеку')
plt.ylabel('Количество')
plt.xlabel('Средний чек, руб')

# гистограмма для столбца 'middle_coffee_cup'
plt.subplot(2, 2, 3)
sns.histplot(df_places['middle_coffee_cup'])
plt.title('Распределение заведений по стоимости чашки капучино')
plt.ylabel('Количество')
plt.xlabel('Стоимость чашки, руб')

# гистограмма для столбца 'seats'
plt.subplot(2, 2, 4)
sns.histplot(df_places['seats'])
plt.title('Распределение заведений по количеству мест')
plt.ylabel('Количество')
plt.xlabel('Количество посадочных мест')
plt.tight_layout()
plt.show()
name category address district hours lat lng rating price avg_bill middle_avg_bill middle_coffee_cup chain seats
0 WoWфли кафе Москва, улица Дыбенко, 7/1 Северный административный округ ежедневно, 10:00–22:00 55.878494 37.478860 5.0 NaN NaN NaN NaN 0 NaN
1 Четыре комнаты ресторан Москва, улица Дыбенко, 36, корп. 1 Северный административный округ ежедневно, 10:00–22:00 55.875801 37.484479 4.5 выше среднего Средний счёт:1500–1600 ₽ 1550.0 NaN 0 4.0
2 Хазри кафе Москва, Клязьминская улица, 15 Северный административный округ пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00... 55.889146 37.525901 4.6 средние Средний счёт:от 1000 ₽ 1000.0 NaN 0 45.0
3 Dormouse Coffee Shop кофейня Москва, улица Маршала Федоренко, 12 Северный административный округ ежедневно, 09:00–22:00 55.881608 37.488860 5.0 NaN Цена чашки капучино:155–185 ₽ NaN 170.0 0 NaN
4 Иль Марко пиццерия Москва, Правобережная улица, 1Б Северный административный округ ежедневно, 10:00–22:00 55.881166 37.449357 5.0 средние Средний счёт:400–600 ₽ 500.0 NaN 1 148.0 
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8406 entries, 0 to 8405
Data columns (total 14 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               8406 non-null   object 
 1   category           8406 non-null   object 
 2   address            8406 non-null   object 
 3   district           8406 non-null   object 
 4   hours              7870 non-null   object 
 5   lat                8406 non-null   float64
 6   lng                8406 non-null   float64
 7   rating             8406 non-null   float64
 8   price              3315 non-null   object 
 9   avg_bill           3816 non-null   object 
 10  middle_avg_bill    3149 non-null   float64
 11  middle_coffee_cup  535 non-null    float64
 12  chain              8406 non-null   int64  
 13  seats              4795 non-null   float64
dtypes: float64(6), int64(1), object(7)
memory usage: 919.5+ KB
No description has been provided for this image

Выводы:

  1. В таблице данные о 8406 заведениях

  2. В таблице есть пропущенные значений - нужно определить возможность их заполнения

  3. Необходимо добавить столбцы:

    • street с названиями улиц
    • is_24_7 с признаком круглосуточной работы

  4. Необходимо изменить тип столбцов middle_avg_bill, middle_coffee_cup, seats на целочисленный

  5. Таблицу необходимо проверить на наличие дубликатов

  6. В столбцах middle_avg_bill, middle_coffee_cup, seats есть выбросы и аномальные значения

Предобработка данных¶

Изменение типа столбцов¶

Изменим тип столбцов middle_avg_bill, middle_coffee_cup, seats на целочисленный

In [5]:
# запись названий столбцов в список
columns_to_convert = ['middle_avg_bill', 'middle_coffee_cup', 'seats']

# изменение типа данных в столбцах
for col in columns_to_convert:
    df_places[col] = \
    (
        df_places[col]
        .round()
        .astype(pd.Int64Dtype())
    )

Добавление столбцов¶

Добавим столбец street с названиями улиц из address и столбец is_24_7 с признаком ежедневной+круглосуточной работы из hours

In [6]:
# создание столбца `street`
df_places['street'] = df_places['address'].str.extract(r',\s*([^,]+),')
df_places['street'] = df_places['street'].fillna(df_places['address'].str.split(', ').str[1])
In [7]:
# создание столбца `is_24_7`
df_places['is_24_7'] = (
    df_places['hours'].str.contains("ежедневно", na=False) &
    df_places['hours'].str.contains("круглосуточно", na=False)
)

Проверка наличия дубликатов¶

Проверим наличие явных дубликатов

In [8]:
# вывод названий таблиц и количество явных дубликатов в них
message = (
    f'Удалим **{df_places.duplicated().sum()}**'
    f' явных дубликатов строк'
) if df_places.duplicated().sum() > 0 else f'Нет явных дубликатов в таблице'

if flag_md == 1:
    display(Markdown(message))
else:
    print(message.replace("*", ""))

Нет явных дубликатов в таблице

Проверим наличие неявных дубликатов в столбцах category, district и price

In [9]:
# запись названий столбцов в список
columns_to_convert = ['category', 'district', 'price']

# # вывод значений каждого столбца
for col in columns_to_convert:
    display(df_places[col].value_counts(sort=True, ascending=False, dropna=True))
    print()

category
кафе               2378
ресторан           2043
кофейня            1413
бар,паб             765
пиццерия            633
быстрое питание     603
столовая            315
булочная            256
Name: count, dtype: int64












district
Центральный административный округ         2242
Северный административный округ             900
Южный административный округ                892
Северо-Восточный административный округ     891
Западный административный округ             851
Восточный административный округ            798
Юго-Восточный административный округ        714
Юго-Западный административный округ         709
Северо-Западный административный округ      409
Name: count, dtype: int64
























price
средние          2117
выше среднего     564
высокие           478
низкие            156
Name: count, dtype: int64




































Неявных дубликатов в столбцах category, district и price не обнаружено.






















Проверим наличие дубликатов заведений по одному адресу. Для этого унифицируем адрес и названия заведений и запишем их во временные столбцы.


















In [10]:






# создание унифицированного столбца с адресом
df_places['address_uni'] = \
(
    df_places['address']
    .str.replace('Москва, ', '', regex=False)
    .str.replace(', стр. ', 'с', regex=False)  
    .str.replace(', корп. ', 'к', regex=False)          
    .str.replace('  ', ' ', regex=False)  
    .str.replace(',', '', regex=False)
    .str.lower()
)

# создание унифицированного столбца с именем
df_places['name_uni'] = \
(
    df_places['name']
    .str.lower()
    .str.replace('  ', ' ', regex=False)
    .str.replace(',', '', regex=False)
)

# поиск дублей
df_agg = \
(
    df_places
    .groupby(['name_uni', 'address_uni'])
    .size()
    .reset_index(name='count')
    .query('count > 1')
)

# проверка на дубли
if (df_agg['count'] > 1).any():
    
    message = (
        f'Есть **{len(df_agg)}** дубликатов заведений по одному адресу.\n\n'
        f'Оставим первое вхождение дубликата для дальнейшего анализа.'
    )
    
else:
    message = (
        f'Нет дубликатов заведений по одному адресу.'
    )
    
# вывод сообщения про дубликаты 
if flag_md == 1:
    display(Markdown(message))
else:
    print(message.replace("*", ""))

























Есть 5 дубликатов заведений по одному адресу.


Оставим первое вхождение дубликата для дальнейшего анализа.




















In [11]:






# удаление дубликатов
df_places.drop_duplicates(
    subset=['address_uni', 'name_uni'], 
    keep='first',
    inplace=True
)

# удаление временных столбцов
df_places.drop(['address_uni', 'name_uni'], axis=1, inplace=True)

























Обработка выбросов и аномальных значений¶
Оценим числовое распределение среднего чека.


















In [12]:






# числовое описание распределения серднего чека
df_places['middle_avg_bill'].describe()





















Out[12]:




count         3149.0
mean      958.053668
std      1009.732845
min              0.0
25%            375.0
50%            750.0
75%           1250.0
max          35000.0
Name: middle_avg_bill, dtype: Float64
























Заменим нулевые значения среднего чека медианными значениями среднего чека по категориям.


















In [13]:






# фильтр заведений с нулевым средним чеком
filter_places = df_places.query('middle_avg_bill == 0').index

# заполнение нулевых значений средними значениями из категории
df_places.loc[filter_places, 'middle_avg_bill'] = \
(
    df_places
    .groupby(['category'])['middle_avg_bill']
    .transform(lambda x: int(x.median()))
)

























И оценим графическое распределение.


















In [14]:






# вывод графика распределения среднего чека
plt.figure(figsize=(8, 4))
sns.boxplot(
data=df_places,
x='middle_avg_bill',
linewidth=.7
)
plt.title('Распределение величины среднего чека')
plt.ylabel('')
plt.xlabel('Средний чек')
plt.tight_layout()
plt.show()
























No description has been provided for this image























Исключим из дальнейшего анализа 3 заведения со средним чеком от 10 тыс. руб.


















In [15]:






# удаление строк со средним чеком больше или равно 10 тыс.руб.
df_places.drop(df_places.query('middle_avg_bill >= 10000').index, inplace=True)

























Оценим числовое и графическое распределение стоимости чашки капучино.


















In [16]:






df_places['middle_coffee_cup'].describe()





















Out[16]:




count         535.0
mean     174.721495
std       88.951103
min            60.0
25%           124.5
50%           169.0
75%           225.0
max          1568.0
Name: middle_coffee_cup, dtype: Float64




















In [17]:






# вывод графика распределения стоимости чашки капучино
plt.figure(figsize=(8, 4))
sns.boxplot(
data=df_places,
x='middle_coffee_cup',
linewidth=.7
)
plt.title('Распределение стоимости чашки капучино')
plt.ylabel('')
plt.xlabel('Стоимость')
plt.tight_layout()
plt.show()
























No description has been provided for this image























Исправим ошибочную стоимость чашки капучино в одном заведении.


















In [18]:






# исправление стоимости чашки капучино
filter_places = df_places.query('middle_coffee_cup > 1000').index
df_places.loc[filter_places, 'middle_coffee_cup'] = 260

























Оценим числовое и графическое распределение количества посадочных мест.


















In [19]:






df_places['seats'].describe()





















Out[19]:




count        4790.0
mean     108.375574
std      122.863723
min             0.0
25%            40.0
50%            75.0
75%           140.0
max          1288.0
Name: seats, dtype: Float64




















In [20]:






# вывод графика распределения количества посадочных мест
plt.figure(figsize=(8, 4))
sns.boxplot(
data=df_places,
x='seats',
linewidth=.7
)
plt.title('Распределение количества посадочных мест')
plt.ylabel('')
plt.xlabel('Количество')
plt.tight_layout()
plt.show()
























No description has been provided for this image























Заменим нулевoе количество посадочных мест медианными значениями посадочных мест по категориям.


















In [21]:






# фильтр заведений по количеству мест
filter_places = df_places['seats'] == 0

# заполнение нулевых значений средними значениями из категории
df_places.loc[filter_places, 'seats'] = \
(
    df_places
    .groupby(['category'])['seats']
    .transform(lambda x: int(x.median()))
)

























Обработка пропущенных значений¶
Рассчитаем процент пропущенных значений.


















In [22]:






# вывод информации о доле пропущенных значений
na_series = df_places.isna().sum() > 0
df_na = pd.DataFrame(df_places.isna().mean()[na_series])
df_na.style.format("{:.2%}").background_gradient('coolwarm')





















Out[22]:









 
0






hours
6.37%




price
60.56%




avg_bill
54.60%




middle_avg_bill
62.54%




middle_coffee_cup
93.63%




seats
42.96%




























Проверим возможность заполнить пропуски стоимости чашки капучино middle_coffee_cup из текста о среднем заказе avg_bill


















In [23]:






# проверка наличия NA в `middle_coffee_cup` когда  `avg_bill` ∈ "Цена чашки"
count_na = len(df_places[
    df_places['avg_bill'].str.contains("Цена чашки", na=False) & 
    df_places['middle_coffee_cup'].isna()
])

# вывод возможного количества NA для заполнения
message = (
    f'Можно заполнить **{count_na}** пропущенных значений в `middle_coffee_cup`'
) if count_na > 0 else f'Нет пропусков в `middle_coffee_cup` для заполнения из `avg_bill`'

if flag_md == 1:
    display(Markdown(message))
else:
    print(message.replace("*", ""))

























Нет пропусков в middle_coffee_cup для заполнения из avg_bill
























Проверим возможность заполнить пропуски в тексте о среднем заказе avg_bill из стоимости чашки капучиноmiddle_coffee_cup


















In [24]:






# проверка наличия NA в `avg_bill` когда `middle_coffee_cup` непустое
count_na = len(df_places[
    df_places['avg_bill'].isna() & 
    df_places['middle_coffee_cup'].notna()
])
# вывод возможного количества NA для заполнения
message = (
    f'Можно заполнить **{count_na}** пропущенных значений в `avg_bill`'
) if count_na > 0 else f'Нет пропусков в `avg_bill` для заполнения из `middle_coffee_cup`'

if flag_md == 1:
    display(Markdown(message))
else:
    print(message.replace("*", ""))

























Нет пропусков в avg_bill для заполнения из middle_coffee_cup
























Проверим возможность заполнить пропуски в среднем чеке middle_avg_bill из текста о среднем заказе avg_bill


















In [25]:






# проверка наличия NA в `middle_avg_bill` когда  `avg_bill` ∈ "Средний счёт"
count_na = len(df_places[
    df_places['avg_bill'].str.contains("Средний счёт", na=False) & 
    df_places['middle_avg_bill'].isna()
])

# вывод возможного количества NA для заполнения
message = (
    f'Можно заполнить **{count_na}** пропущенных значений в `middle_avg_bill`'
) if count_na > 0 else f'Нет пропусков в `middle_avg_bill` для заполнения из `avg_bill`'

if flag_md == 1:
    display(Markdown(message))
else:
    print(message.replace("*", ""))

























Нет пропусков в middle_avg_bill для заполнения из avg_bill
























Проверим возможность заполнить пропуски в тексте о среднем заказе avg_bill из среднего чека middle_avg_bill


















In [26]:






# проверка наличия NA в `avg_bill` когда `middle_coffee_cup` непустое
count_na = len(df_places[
    df_places['avg_bill'].isna() & 
    df_places['middle_avg_bill'].notna()
])
# вывод возможного количества NA для заполнения
message = (
    f'Можно заполнить **{count_na}** пропущенных значений в `avg_bill`'
) if count_na > 0 else f'Нет пропусков в `avg_bill` для заполнения из `middle_avg_bill`'

if flag_md == 1:
    display(Markdown(message))
else:
    print(message.replace("*", ""))

























Нет пропусков в avg_bill для заполнения из middle_avg_bill
























Заполним пропуски в категории цен для кофеен price , у которых указана стоимость чашки капучино. Для присвоения категории цен используем медианную стоимость чашки капучино по каждой категории цен.


















In [27]:






# датафрейм цен чашки капучино в кофейнях
df_agg = \
(
    df_places
    .query('category == "кофейня"')
    .groupby(['category', 'price'], as_index=False)['middle_coffee_cup']
    .median()
    .dropna()
    .sort_values(by='middle_coffee_cup')
)

# функция для определения категории на основе цены чашки капучино
def price_from_cup(row, df):
    
    if row['middle_coffee_cup'] <= df['middle_coffee_cup'].min():
        return 'низкие'
    elif row['middle_coffee_cup'] > df['middle_coffee_cup'].max():
        return 'высокие'
    
    for index, row_df in df.iterrows():
        if row['middle_coffee_cup'] <= row_df['middle_coffee_cup']:
            return row_df['price']
    
    return None

# фильтр заведений с пропущенными категориями цен
filter_places = \
(
    df_places['price'].isna() & 
    df_places['middle_coffee_cup'].notna()&
    (df_places['category'] == "кофейня")
)

# заполнение пропусков категорий цен
df_places.loc[filter_places, 'price'] = df_places.loc[filter_places].apply(
    lambda row: price_from_cup(row, df_agg), axis=1
)

























Заполним пропуски в стоимости чашки капучино для кофеен middle_coffee_cup, у которых указан уровень цен price.


















In [28]:






# добавление нового столбца через объединение
df_places = df_places.merge(df_agg, on=['category', 'price'], how='left', suffixes=('', '_df_agg'))

# фильтр заведений с пропусками в стоимости чашки кофе
filter_places = \
(
    df_places['middle_coffee_cup'].isna() & 
    df_places['price'].notna() &
    (df_places['category'] == "кофейня")
)

# заполнение пропущенных значений 'middle_coffee_cup'
df_places.loc[filter_places, 'middle_coffee_cup'] = df_places.loc[filter_places, 'middle_coffee_cup_df_agg']

# удаление промежуточного столбца
df_places.drop('middle_coffee_cup_df_agg', axis=1, inplace=True)

























Заполним пропуски в категории цен для заведений price, у которых указан размер среднего чека. Для присвоения категории цен используем медианный размер среднего чека по каждой из категорий заведения.


















In [29]:






# датафрейм среднего чека по категориям заведений
df_agg = \
(
    df_places
    .groupby(['category', 'price'], as_index=False)['middle_avg_bill']
    .median()
    .dropna()
)
df_agg['middle_avg_bill'] = \
(
    df_agg['middle_avg_bill']
    .astype(pd.Int64Dtype())
)

# функция для определения категории на основе среднего чека
def price_from_bill(row, df_agg):
    if row['middle_avg_bill'] <= df_agg['middle_avg_bill'].min():
        return 'низкие'
    elif row['middle_avg_bill'] > df_agg['middle_avg_bill'].max():
        return 'высокие'
    
    for index, row_df_agg in df_agg.iterrows():
        if row['middle_avg_bill'] <= row_df_agg['middle_avg_bill']:
            return row_df_agg['price']
    
    return None

# фильтр заведений с пропущенными категориями цен
filter_places = df_places['price'].isna() & df_places['middle_avg_bill'].notna()

# заполнение пропусков категорий цен
df_places.loc[filter_places, 'price'] = \
(
    df_places.loc[filter_places]
    .apply(
        lambda row: price_from_bill(
            row, 
            df_agg[df_agg['category'] == row['category']].sort_values(by='middle_avg_bill')
        ), axis=1
    )
)

























Заполним пропуски в размере среднего чека middle_avg_bill для заведений, у которых указан уровень цен price.


















In [30]:






# фильтр заведений с пропусками в среднем чеке
filter_places = \
(
    df_places['middle_avg_bill'].isna() & 
    df_places['price'].notna()
)

# добавление нового столбца через объединение
df_places = df_places.merge(df_agg, on=['category', 'price'], how='left', suffixes=('', '_df_agg'))

# заполнение пропущенных значений 'middle_avg_bill'
df_places.loc[filter_places, 'middle_avg_bill'] = df_places.loc[filter_places, 'middle_avg_bill_df_agg']

# удаление промежуточного столбца
df_places.drop('middle_avg_bill_df_agg', axis=1, inplace=True)



























Выводы:


    

  1. Добавили новые столбцы:
    

      

    • street с названиями улиц и
      • 

    • is_24_7 с признаком круглосуточной работы
      • 

    

    2. 

  2. Явные и неявные дубликаты в таблицах не обнаружены
    

    3. 

  3. Изменили тип столбцов middle_avg_bill, middle_coffee_cup, seats на целочисленный
    

    4. 

  4. Заполнили пропуски возможными значениями
    

    5. 

  5. Обработали аномальные значения и выбросы
    

    6. 

























Исследование рынка Москвы¶






















Распределение заведений по категориям¶
Исследуем количество объектов общественного питания по категориям. Оценим распределение заведений по категориям в числовом виде.


















In [31]:






# количество заведений по категориям
cat_count = df_places['category'].value_counts().reset_index()
cat_count.columns = ['Категория', 'Количество']
cat_count





















Out[31]:












Категория
Количество






0
кафе
2376




1
ресторан
2040




2
кофейня
1412




3
бар,паб
763




4
пиццерия
633




5
быстрое питание
603




6
столовая
315




7
булочная
256


























In [64]:






# задание размера графика
plt.figure(figsize=(12, 6))

# вывод графика
ax = sns.countplot(
    data=df_places,
    x="category", 
    edgecolor=".3",
    linewidth=.5,
    order=cat_count['Категория'],
    color='#1f77b4'
)
# общее количество заведений
total_count = len(df_places)

# добавление подписей
for patch in ax.patches:
    ax.text(
        patch.get_x() + patch.get_width() / 2,  
        patch.get_height() / 2,  
        f'{round((patch.get_height() / total_count) * 100, 1)}%',  
        ha='center',  
        va='center',  
        fontsize=12,
        color='white',
        fontweight='bold'
    )
plt.title('Распределение заведений по категориям')
plt.ylabel('Количество заведений')
plt.xlabel('Категория')
plt.tight_layout()
plt.show()
























No description has been provided for this image

























Выводы


    

  1. Больше всего заведений в категории кафе
    

    2. 

  2. Тройка лидеров по количеству заведений: кафе, ресторан, кофейня
    

    3. 

  3. Меньше всего столовых и булочных
    

    4. 























Анализ количества посадочных мест¶
Оценим графическое распределение количества посадочных мест по заведениям. Исключим на графике заведения с количеством мест более 400.


















In [33]:






# вывод гистограммы
plt.figure(figsize=(12, 6))
sns.histplot(
    data = df_places,
    x="seats", 
    edgecolor=".3",
    linewidth=.5
)
plt.title('Распределение количества посадочных мест')
plt.ylabel('Количество заведений')
plt.xlabel('Количество мест')
plt.xlim(0,400)
plt.tight_layout()
plt.show()
























No description has been provided for this image























Оценим распределение медианного количества посадочных мест по категориям заведений.


















In [34]:






# формирование таблицы для графика
df_agg = \
(
    df_places
    .groupby('category')['seats']
    .median()
    .sort_values(ascending=False)
    .reset_index()
)

# вывод графика количества посадочных мест
plt.figure(figsize=(12, 6))
ax = sns.barplot(
    data=df_agg,
    x="category",
    y="seats",
    edgecolor=".3",
    linewidth=.5,
    color='#1f77b4',
    errorbar=None
)
# добавление подписей
for patch in ax.patches:
    ax.text(
        patch.get_x() + patch.get_width() / 2,  
        patch.get_height() / 2,  
        f'{round(patch.get_height())}',  
        ha='center',  
        va='center',  
        fontsize=12,
        color='white',  
        fontweight='bold'
    )
plt.title('Медианное количество посадочных мест по категориям')
plt.ylabel('Количество посадочных мест')
plt.xlabel('Категория')
plt.tight_layout()
plt.show()
























No description has been provided for this image

























Выводы


    

  1. Чаще всего заведения вмещают 40-50 или около 100 посетителей
    

    2. 

  2. Тройка лидеров по медианному количеству посадочных мест ресторан, бар/паб, кофейня.
    

    3. 























Анализ соотношения сетевых/несетевых заведений¶
Оценим числовое и графическое распределение сетевых/несетевых заведений.


















In [35]:






# группировка по сетевому признаку
df_agg = df_places.groupby('chain', as_index=False).size()

# функция для отображения подписей
def label_pct(pct, allusers):
    absolute = round(pct / 100. * allusers.sum())
    return f'Количество: {absolute},\n доля: {pct:.0f}%'
    
# вывод круговой диаграммы 
plt.figure(figsize=(12, 6))
plt.pie(
    df_agg['size'],
    autopct=lambda pct: label_pct(pct, df_agg['size']),
    labels=[
        f'{"Несетевые заведения" if group == 0 else "Сетевые заведения"}:' 
        for group in df_agg['chain']
    ],
    startangle=90,
    colors=['#3274A1', '#E1812C'],
    textprops={'fontsize': 12},
    counterclock=False
)
plt.title('Соотношение сетевых и несетевых заведений')
plt.axis('equal')
plt.tight_layout()
plt.show()
























No description has been provided for this image

























Выводы:


    

  1. Несетевых заведений:  62%
    

    2. 

  2. Сетевых заведений:  38%
    

    3. 























Анализ категорий сетевых заведений¶
Оценим какие категории заведений чаще являются сетевыми.


















In [36]:






# задание размера графика
plt.figure(figsize=(12, 6))

# вывод графика
sns.countplot(
    data=df_places,
    x="category", 
    edgecolor=".3",
    linewidth=.5,
    hue='chain'
)
plt.title('Распределение заведений по категориям')
plt.ylabel('Количество заведений')
plt.xlabel('Категория')
plt.legend(
    title='', 
    labels=[
        f'{"Несетевые заведения" if group == 0 else "Сетевые заведения"}' 
        for group in df_places['chain'].unique()
    ]
)
plt.tight_layout()
plt.show()
























No description has been provided for this image

























Вывод:


    

  1. Чаще всего кофейни, пиццерии и булочные являются сетевыми заведениями
    

    2. 

  2. Бары, пабы и столовые чаще несетевые заведения
    

    3. 























Анализ топ-15 популярных сетей в Москве¶
Оценим количество популярных сетевых заведений в графическом виде.


















In [37]:






# топ-15 сетевых заведений
df_agg = \
(
    df_places
    .query('chain == 1')['name']
    .value_counts()
    .head(15)
    .reset_index()
)
df_agg.columns = ['name', 'count']

# задание размера графика
plt.figure(figsize=(12, 6))

# вывод графика
ax = sns.barplot(
    data=df_agg,
    x="count",
    y="name",
    edgecolor=".3",
    color='#1f77b4',
    linewidth=.5
)
# добавление подписей
for patch in ax.patches:
    ax.text(
        patch.get_width() / 2,
        patch.get_y() + patch.get_height() / 2,  
        f'{round(patch.get_width())}',  
        ha='center',  
        va='center',  
        fontsize=12,
        color='white',  
        fontweight='bold'
    )
plt.title('Топ-15 популярных сетевых заведений')
plt.ylabel('')
plt.xlabel('Количество заведений')
plt.tight_layout()
plt.show()
























No description has been provided for this image























Оценим категории топ-15 сетевых заведений.


















In [38]:






# создание датафрейма для графика
filter_places = df_agg['name']
df_filtered = df_places.query('name in @filter_places')

# задание размера графика
plt.figure(figsize=(12, 6))

# вывод графика
ax = sns.countplot(
    data=df_filtered,
    x="category", 
    edgecolor=".3",
    linewidth=.5,
    order=df_filtered['category'].value_counts().index,
    color='#1f77b4'
)
# общее количество заведений
total_count = len(df_filtered)

for patch in ax.patches:
    ax.text(
        patch.get_x() + patch.get_width() / 2,  
        patch.get_height() + 0.1, 
        f'{round((patch.get_height() / total_count) * 100, 1)}%',
        ha='center',
        va='bottom',
        color='black',
        fontsize=12
    )
plt.title('Распределение Топ-15 сетевых заведений по категориям')
plt.ylabel('Количество заведений')
plt.xlabel('Категория')
plt.ylim(0, 370)
plt.tight_layout()
plt.show()
























No description has been provided for this image

























Вывод


    

  1. Больше всего заведений в сети Шоколадница
    

    2. 

  2. Все топ-15 сетевых заведений:
    

      

    • относятся к сегменту быстрого питания
      • 

    • ориентированы на широкий круг потребителей - молодежь, студентов и семьи
      • 

    • предлагают доступные цены и удобные форматы обслуживания
      • 

    

    3. 

  3. Основные категории топ-15 сетевых заведений: кофейня, ресторан, пиццерия
    

    4. 























Анализ административных районов Москвы¶
Оценим распределение заведений по административным районам в числовом виде.


















In [39]:






# числовое распределение заведений по районам
distr_count = df_places['district'].value_counts().reset_index()
distr_count.columns = ['Округ', 'Заведений']
distr_count





















Out[39]:












Округ
Заведений






0
Центральный административный округ
2242




1
Северный административный округ
896




2
Южный административный округ
891




3
Северо-Восточный административный округ
890




4
Западный административный округ
850




5
Восточный административный округ
797




6
Юго-Восточный административный округ
714




7
Юго-Западный административный округ
709




8
Северо-Западный административный округ
409






























Оценим графичекое распределение категорий заведений по административным округам.


















In [40]:






# группировка данных по районам и категориям
df_agg = (
    df_places
    .groupby(['district', 'category'])
    .size()
    .unstack(fill_value=0)
)
df_agg['total'] = df_agg.sum(axis=1)

# сортировка категорий
total_counts = df_agg.sum()
sorted_categories = total_counts.sort_values(ascending=False).index
df_agg = df_agg[sorted_categories]

# сортировка районов
df_agg = df_agg.sort_values(by='total', ascending=True)
df_agg.drop('total', axis=1, inplace=True)

# задание размера графика
plt.figure(figsize=(12, 6))

# вывод графика
with sns.color_palette():
    df_agg.plot(
        kind='barh',  
        stacked=True, 
        ax=plt.gca(), 
        edgecolor=".3", 
        linewidth=.5
    )
    
    plt.title('Распределение категорий заведений по округам Москвы')
    plt.xlabel('Количество заведений')  
    plt.ylabel('')
    plt.legend(title='Категория заведения')
    plt.tight_layout()
    plt.show()
























No description has been provided for this image

























Выводы:


    

  1. Больше всего заведений в Центральном административном округе, пропорционально во всех категориях
    

    2. 

  2. Меньше всего заведений общественного питания в Северо-Западном административном округе
    

    3. 

  3. Во всех округах представлены заведения из всех категорий
    

    4. 

  4. Пропорциональное распределение категорий по округам примерно одинаковое в каждом округе
    

    5. 























Анализ средних рейтингов по категориям заведений¶
Оценим графически распределение средних рейтингов по категориям заведений.


















In [41]:






# задание размера графика
plt.figure(figsize=(12, 6))

# вывод графика
ax = sns.barplot(
    data=df_places,
    x="category",
    y="rating",
    order=\
    (
        df_places
        .groupby('category')['rating']
        .mean()
        .sort_values(ascending=False)
        .index
    ),
    edgecolor=".3",
    linewidth=.5,
    errorbar=None,
    color='#1f77b4'
)
# добавление подписей
for patch in ax.patches:
    ax.text(
        patch.get_x() + patch.get_width() / 2,  
        patch.get_height() / 2,  
        f'{round(patch.get_height(),2)}',  
        ha='center',  
        va='center',  
        fontsize=12,
        color='white',  
        fontweight='bold'
    )
plt.title('Распределение среднего рейтинга по категориям')
plt.ylabel('Величина рейтинга')
plt.xlabel('Категория')
plt.tight_layout()
plt.show()
























No description has been provided for this image

























Выводы:


    

  1. Усреднённые рейтинги по категориям заведений отличаются не сильно
    

    2. 

  2. Самый высокий рейтинг у баров, пабов, а самый низкий у заведений быстрого питания
    

    3. 























Фоновая картограмма рейтингов по округам¶
Оценим распределение среднего рейтинга заведение по административным округам на карте.


















In [42]:






# чтение JSON-файла и сохранение в переменную
geo_pth = 'admin_level_geomap.geojson'

if os.path.exists(dir1):
    state_geo = dir1 + geo_pth
elif os.path.exists(dir2):
    state_geo = dir2 + geo_pth
else:
    print('Something is wrong')

























Создадим карту Москвы


















In [43]:






# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423

# создание карты Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')

























Покажем административные округа в соответствии со средним рейтингом заведений


















In [44]:






# группировка данных по районам и рейтингу
df_agg = df_places.groupby('district', as_index=False)['rating'].mean()

# создание хороплета с помощью конструктора Choropleth и добавление его на карту
Choropleth(
    geo_data=state_geo,
    data=df_agg,
    columns=['district', 'rating'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.8,
    legend_name='Средний рейтинг заведений по округам',
).add_to(m)

# вывод карты
m





















Out[44]:




Make this Notebook Trusted to load map: File -> Trust Notebook


























Выводы:


    

  1. Самый высокий средний рейтинг заведений в Центральном округе
    

    2. 

  2. Также в тройке лидеров Северный и Северо-Западный округа
    

    3. 

  3. Самый низкий рейтинг в Юго-Восточном округе
    

    4. 























Кластерная карта всех заведений¶
Отобразим все заведения на карте с помощью кластеров.


















In [45]:






# создание карты Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles="Cartodb Positron")

# создание пустого кластер
marker_cluster = MarkerCluster().add_to(m)

# функция для создания маркера и добавления его в кластер marker_cluster
def create_clusters(row):
    Marker(
        [row['lat'], row['lng']],
        popup=f"{row['name']} {row['rating']}",
    ).add_to(marker_cluster)

# добавление каждого заведения в кластер
df_places.apply(create_clusters, axis=1)

# выводим карту
m





















Out[45]:




Make this Notebook Trusted to load map: File -> Trust Notebook


























Выводы:


    

  1. Больше всего заведений общественного питания в Центральном округе
    

    2. 

  2. Плотность распределения заведений смещена в западную часть Москвы
    

    3. 























Анализ топ-15 улиц по количеству заведений¶
Оценим топ-15 улиц по количеству заведений и построим график распределения количества заведений и их категорий по этим улицам.


















In [46]:






# группировка данных по улицам и категориям
df_agg = (
    df_places
    .groupby(['street', 'category'])
    .size()
    .unstack(fill_value=0)
)

# отбор топ-15 улиц по количеству заведений
df_agg['total'] = df_agg.sum(axis=1)
df_agg = df_agg.sort_values(by='total', ascending=False).head(15)

# сортировка категорий
total_counts = df_agg.sum()
sorted_categories = total_counts.sort_values(ascending=False).index
df_agg = df_agg[sorted_categories]

# сортировка улиц
df_agg = df_agg.sort_values(by='total', ascending=True)
df_agg.drop('total', axis=1, inplace=True)

# задание размера графика
plt.figure(figsize=(12, 6))

# вывод графика
with sns.color_palette():
    df_agg.plot(
        kind='barh',  
        stacked=True, 
        ax=plt.gca(), 
        edgecolor=".3", 
        linewidth=.5)
    
    plt.title('Топ-15 улиц по количеству заведений')
    plt.xlabel('Количество заведений')  
    plt.ylabel('')
    plt.legend(title='Категория заведения')
    plt.tight_layout()
    plt.show()
























No description has been provided for this image

























Выводы:


    

  1. Больше всего заведений на Проспекте Мира
    

    2. 

  2. На разных улицах пропорциональное распределение на категории заведений не зависит от общего количества заведений. Например:
    

      

    • на МКАДе кафе примерно столько же как и на Проспекте Мира и почти нет ресторанов и кофеен
      • 

    • на Ленинградском проспекте и шоссе кафе значительно меньше чем ресторанов
      • 

    

    3. 

  3. На некоторых улицах представлены не все категории заведений
    

    4. 























Анализ улиц с одним объектом общепита¶
Оценим количество улиц с одним заведением.


















In [47]:






# исправление названия одной улицы
df_places['street'] = df_places['street'].replace("улица Шкулёва 4", "улица Шкулёва")

# группировка данных по улицам
df_agg = \
(
    df_places
    .groupby('street')
    .size()  
    .reset_index(name='count')
    .query('count == 1')
)

# вывод количества улиц
message = (
    f'В таблице **{df_agg["count"].sum()}** одноуличных заведений общепита\n\n'
    f'**{df_agg["count"].sum() / len(df_places):.2%}** от общего количества заведений'
) if df_agg['count'].sum() > 0 else f'В таблице нет улиц с одним заведением общепита'

if flag_md == 1:
    display(Markdown(message))
else:
    print(message.replace("*", ""))

























В таблице 457 одноуличных заведений общепита


5.44% от общего количества заведений
























Оценим графически категории одноуличных заведений


















In [48]:






# создание датафрейма одноуличных заведений
filter_places = df_agg['street']
df_filtered = df_places.query('street in @filter_places').copy()

# задание размера графика
plt.figure(figsize=(12, 6))

# вывод графика
ax = sns.countplot(
    data=df_filtered,
    x="category", 
    edgecolor=".3",
    linewidth=.5,
    order=df_filtered['category'].value_counts().index,
    color='#1f77b4'
)
# общее количество одноуличных заведений
total_count = len(df_filtered)

# добавление подписей
for patch in ax.patches:
    ax.text(
        patch.get_x() + patch.get_width() / 2,  
        patch.get_height() / 2,  
        f'{round((patch.get_height() / total_count) * 100, 1)}%',  
        ha='center',  
        va='center',  
        fontsize=12,
        color='white',
        fontweight='bold'
    )
plt.title('Распределение одноуличных заведений по категориям')
plt.ylabel('Количество заведений')
plt.xlabel('Категория')
plt.tight_layout()
plt.show()
























No description has been provided for this image























Оценим распределение доли улиц с одним заведением по округам.


















In [49]:






# создание карты Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles="Cartodb Positron")

# подготовка данных для вывода на карту
df_agg = df_filtered.groupby('district').size().reset_index(name='count')
df_agg['count_allstreet'] = \
(
    df_agg['district']
    .apply(lambda district: df_places[df_places['district'] == district]['street'].nunique())
)
df_agg['rate'] = df_agg['count'] / df_agg['count_allstreet']

# создание хороплета с помощью конструктора Choropleth и добавление его на карту
Choropleth(
    geo_data=state_geo,
    data=df_agg,
    columns=['district', 'rate'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.8,
    legend_name='Доля улиц с одним заведением общепита',
).add_to(m)

# вывод карты
m





















Out[49]:




Make this Notebook Trusted to load map: File -> Trust Notebook
























Оценим время работы одноуличных заведений.


















In [50]:






# группировка по сетевому признаку
df_agg = df_filtered.groupby('is_24_7').size().reset_index(name='count')

# функция для отображения подписей
def label_pct(pct, allusers):
    absolute = round(pct / 100. * allusers.sum())
    return f'{pct:.0f}%'
    
# вывод круговой диаграммы для`user_count` 
plt.figure(figsize=(12, 6))
plt.pie(
    df_agg['count'],
    autopct=lambda pct: label_pct(pct, df_agg['count']),
    labels=[
        f'{"Дневные заведения" if group == 0 else "Круглосуточные заведения"}:' 
        for group in df_agg['is_24_7']
    ],
    colors=['#3274A1', '#E1812C'],
    counterclock=False
)
plt.title('Соотношение дневных и круглосуточных одноуличных заведений')
plt.axis('equal')
plt.tight_layout()
plt.show()
























No description has been provided for this image























Оценим графически распределение среднего рейтинга одноуличных/обычных заведений.


















In [51]:






# подготовка таблиц для графика
df_filtered.loc[:, 'type'] = 'Одноуличные заведения'
df_usual = df_places.query('street not in @filter_places').copy()
df_usual.loc[:, 'type'] = 'Обычные заведения'
df_union = pd.concat([df_filtered, df_usual])

# задание размера графика
plt.figure(figsize=(12, 6))

# вывод графика
ax = sns.barplot(
    data=df_union,
    x="category",
    y="rating",
    edgecolor=".3",
    linewidth=.5,
    hue='type',
    palette=['#1f77b4', '#ff7f0e'],
    errorbar=None
)
plt.title('Распределение среднего рейтинга по категориям')
plt.ylabel('Величина рейтинга')
plt.xlabel('Категория')
plt.legend(title='', loc='upper left')
plt.yticks(np.arange(0, 6, 1))
plt.tight_layout()
plt.show()
























No description has been provided for this image























Проверим различие между рейтингами с помощью статистического теста.


Выясним, одинаковые ли средние рейтинги одноуличных и обычных заведений.


H0 - нулевая гипотеза:


    

  • средние рейтинги заведений одинаковые
    • 



H1 - альтернативная двусторонняя гипотеза


    

  • средние рейтинги заведений различаются
    • 



Проверим гипотезу с помощью Т-критерия Стьюдента для независимых выборок. Если вероятность ошибочно отвергнуть нулевую гипотезу p-value окажется меньше уровня статистической значимости alpha = 5%, то отвергнем нулевую гипотезу в пользу альтернативной.


















In [52]:






# задание уровня статистической значимости
alpha = 0.05

# выполнение t-теста с двусторонней альтернативной гипотезой
t_stat, p_value = st.ttest_ind(
    df_filtered['rating'], 
    df_usual['rating'], 
    alternative='two-sided'
)

# проверка гипотезы
if p_value < alpha:
    message = (
            f'p_value=**{p_value:.2e}** < {alpha:.2%}\n\n'
            f' Отвергаем нулевую гипотезу: средние рейтинги одноуличных/обычных ,\
            заведений отличаются.'
    )
else:
    message = (
            f'p_value=**{p_value:.2%}** >= {alpha:.2%}\n\n'
            f' Не удалось отвергнуть нулевую гипотезу: нет достаточных доказательств,\
            что средние рейтинги одноуличных/обычных отличаются.'
    )


# вывод резельтатов теста
if flag_md == 1:
    display(Markdown(message))
else:
    print(message.replace("*", ""))

























p_value=81.64% >= 5.00%


Не удалось отвергнуть нулевую гипотезу: нет достаточных доказательств,            что средние рейтинги одноуличных/обычных отличаются.


























Выводы:


    

  1. Проанализировали 456 одноуличных заведений общепита, 5,42% от общего количества заведений
    

    2. 

  2. Тройка категорий-лидеров по количеству одноуличных заведений: кафе, рестораны, кофейня
    

    3. 

  3. В Северном и Северо-Восточном округах самая большая доля улиц с одним заведением
    

    4. 

  4. Подавляющее количество 93% одноуличных заведений работают только в дневное время
    

    5. 

  5. Отсутствие конкурентов на улице не сказывается на качестве обслуживания - средние рейтинги по категориям одноуличных/обычных заведений не отличаются
    

    6. 























Распределение размера среднего чека по округам¶
Оценим распределение медианного значения среднего чека заведения по административным округам на карте.


















In [53]:






# группировка данных по районам
df_agg = df_places.groupby('district', as_index=False)['middle_avg_bill'].median()

# создание карты Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')

# создание хороплета с помощью конструктора Choropleth и добавление его на карту
Choropleth(
    geo_data=state_geo,
    data=df_agg,
    columns=['district', 'middle_avg_bill'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.8,
    legend_name='Размер среднего чека, руб.',
).add_to(m)

# вывод карты
m





















Out[53]:




Make this Notebook Trusted to load map: File -> Trust Notebook


























Выводы:


    

  1. В Центральном административном округе самые высокие цены
    

    2. 

  2. При удалении от центра цены снижаются, но неравномерно
    

      

    • Западный округ второй по уровню цен
      • 

    • затем идут Северо-Западный и Юго-Западный округа
      • 

    • и затем все остальные
      • 

    

    3. 

  3. Вероятно высокие цены западных направлений связаны с платежеспособностью жителей наиболее престижных районов Москвы
    

    4. 

























Исследование для открытия кофейни¶
Оценим осуществимость мечты основателей фонда «Shut Up and Take My Money» открыть крутую и доступную кофейню в Москве.






















Количество и особенности расположения¶
Оценим количество кофеен в датасете.


















In [54]:






# создание датафрейма кофеен
df_coff = df_places.query('category == "кофейня"').copy()

# вывод количества кофеен
message = (
    f'В таблице **{len(df_coff)}** кофеен\n\n'
    f'**{len(df_coff) / len(df_places):.2%}** от общего количества заведений'
) if len(df_coff) > 0 else f'В таблице нет кофеен'

if flag_md == 1:
    display(Markdown(message))
else:
    print(message.replace("*", ""))

























В таблице 1412 кофеен


16.81% от общего количества заведений
























Оценим числовое распределение по районам и особенности их расположения на карте Москвы.


















In [55]:






# числовое распределение кофеен по районам
coff_count = df_coff['district'].value_counts().reset_index()
coff_count.columns = ['Округ', 'Кофейни']
coff_count





















Out[55]:












Округ
Кофейни






0
Центральный административный округ
428




1
Северный административный округ
192




2
Северо-Восточный административный округ
159




3
Западный административный округ
150




4
Южный административный округ
131




5
Восточный административный округ
105




6
Юго-Западный административный округ
96




7
Юго-Восточный административный округ
89




8
Северо-Западный административный округ
62


























In [56]:






# создание карты Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles="Cartodb Positron")

# подготовка данных для вывода на карту
df_agg = df_coff.groupby('district').size().reset_index(name='count')
df_agg['count_allstreet'] = \
(
    df_agg['district']
    .apply(lambda district: len(df_places[df_places['district'] == district]['street']))
)
df_agg['rate'] = df_agg['count'] / df_agg['count_allstreet']

# создание хороплета с помощью конструктора Choropleth и добавление его на карту
Choropleth(
    geo_data=state_geo,
    data=df_agg,
    columns=['district', 'rate'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.8,
    legend_name='Доля кофеен от всех заведений',
).add_to(m)

# вывод карты
m





















Out[56]:




Make this Notebook Trusted to load map: File -> Trust Notebook


























Выводы:


    

  1. Всего для анализа есть данные о 1413 кофеен, 16.81% от общего количества заведений
    

    2. 

  2. В Центральном и Северном округах не только больше всего кофеен, но и их доля от всех заведений выше
    

    3. 

  3. В Восточном, Юго-Восточном и Юго-Западном округах доля кофеен меньше всего
    

    4. 























Время работы кофеен¶
Оценим долю круглосуточных кофеен.


















In [57]:






# группировка по сетевому признаку
df_agg = df_coff.groupby('is_24_7').size().reset_index(name='count')

# функция для отображения подписей
def label_pct(pct, allusers):
    absolute = round(pct / 100. * allusers.sum())
    return f'{pct:.0f}%'
    
# вывод круговой диаграммы для`user_count` 
plt.figure(figsize=(12, 6))
plt.pie(
    df_agg['count'],
    autopct=lambda pct: label_pct(pct, df_agg['count']),
    labels=[
        f'{"Дневные кофейни" if group == 0 else "Круглосуточные кофейни"}' 
        for group in df_agg['is_24_7']
    ],
    colors=['#3274A1', '#E1812C'],
    counterclock=False
)
plt.title('Соотношение дневных и круглосуточных кофеен')
plt.axis('equal')
plt.tight_layout()
plt.show()
























No description has been provided for this image

























Выводы:


    

  1. В анализируемых данных почти нет круглосуточных кофеен - всего 4%
    

    2. 

  2. Ночная кофейня может привлечь студентов, работников ночных смен и любителей поздних прогулок
    

    3. 

  3. Малое количество существующих круглосуточных кофеен может дать конкурентное преимущество
    

    4. 

  4. Для увеличения среднего чека можно предлагать закуски, десерты ...
    

    5. 























Рейтинги кофеен¶
Оценим распределение рейтингов в топ-10 сетевых кофейнях.


















In [58]:






# подготовка таблиц для графика
filter_places = \
(
    df_coff
    .query('chain == 1')['name']
    .value_counts()
    .head(10)
    .index
)
df_filtered = df_coff.query('name in @filter_places')

# вывод графика
plt.figure(figsize=(12, 6))
with sns.color_palette():
    sns.boxplot(
        data=df_filtered,
        x='rating',
        y='name',
        hue='name',
        linewidth=.7
    )
    plt.title('Распределение рейтингов в топ-10 сетевых кофейнях')
    plt.ylabel('')
    plt.xlabel('Величина рейтинга')
    plt.xlim(3,5)
    plt.tight_layout()
    plt.show()
























No description has been provided for this image























Оценим распределение среднего рейтинга всех кофеен по районам на карте


















In [59]:






# группировка данных по районам
df_agg = df_coff.groupby('district', as_index=False)['rating'].mean()

# создание карты Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')

# создание хороплета с помощью конструктора Choropleth и добавление его на карту
Choropleth(
    geo_data=state_geo,
    data=df_agg,
    columns=['district', 'rating'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.8,
    legend_name='Средний рейтинг кофеен',
).add_to(m)

# вывод карты
m





















Out[59]:




Make this Notebook Trusted to load map: File -> Trust Notebook


























Выводы:


    

  1. Самый высокий рейтинг у Кофемании и Coffeekaldi's, с их кофейнями будет сложно конкурировать
    

    2. 

  2. Низкие рейтинги:
    

      

    • у всех кофеен CofeFest, Cofix
      • 

    • у некоторых кофеен Cinnabon, One Price Coffee - по необходимости нужно провести дополнительное иссследование в заданном районе
      • 

    

    3. 

  3. Средние рейтинги по районам:
    

      

    • высокие рейтинги в Центральном и Северо-Западном округах
      • 

    • низкие рейтинги в Западном и Северо-Восточном округах - в них будет проще конкурировать за счет оказания качественных услуг
      • 

    

    4. 























Стоимость чашки капучино¶
Оценим числовое распределение стоимости чашки капучино среди всех кофеен.


















In [60]:






df_coff['middle_coffee_cup'].describe()





















Out[60]:




count         711.0
mean     179.962025
std       58.640513
min            60.0
25%           139.0
50%           200.0
75%           205.0
max           375.0
Name: middle_coffee_cup, dtype: Float64
























Оценим графическое распределение стоимости чашки капучино.


















In [61]:






# вывод гистограммы
plt.figure(figsize=(12, 6))
sns.histplot(
    data=df_coff,
    x="middle_coffee_cup", 
    edgecolor=".3",
    linewidth=.5
)

plt.title('Распределение стоимости чашки капучино по кофейням')
plt.ylabel('Количество кофеен')
plt.xlabel('Стоимость чашки капучино')
plt.tight_layout()
plt.show()
























No description has been provided for this image























Оценим распределение средней стоимости чашки капучино по районам Москвы.


















In [62]:






# группировка данных по районам
df_agg = df_coff.groupby('district', as_index=False)['middle_coffee_cup'].mean()

# создание карты Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')

# создание хороплета с помощью конструктора Choropleth и добавление его на карту
Choropleth(
    geo_data=state_geo,
    data=df_agg,
    columns=['district', 'middle_coffee_cup'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.8,
    legend_name='Cредняя стоимость чашки капучино',
).add_to(m)

# вывод карты
m





















Out[62]:




Make this Notebook Trusted to load map: File -> Trust Notebook


























Выводы:


    

  1. При открытии кофейни имеет смысл ориентироваться на стоимость чашки капучино в 200 руб.
    

    2. 

  2. Не менее 50% кофеен используют такую цену и выше
    

    3. 

  3. По стоимости чашки капучино лидируют Центральный, Западный и Юго-Западный районы
    

    4. 























Круглосуточные кофейни по районам¶
Оценим распределение доли круглосуточных кофеен по административным округам.


















In [63]:






# группировка данных по районам
df_agg = df_coff.groupby('district', as_index=False)['is_24_7'].mean()

# создание карты Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')

# создание хороплета с помощью конструктора Choropleth и добавление его на карту
Choropleth(
    geo_data=state_geo,
    data=df_agg,
    columns=['district', 'is_24_7'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.8,
    legend_name='Доля круглосуточных кофеен',
).add_to(m)

# вывод карты
m





















Out[63]:




Make this Notebook Trusted to load map: File -> Trust Notebook


























Вывод:


    

  1. Больше всего круглосуточных кофеен в Юго-Западном округе, а меньше всего в Южном и Юго-Восточном округах
    2. 

























Итоги исследования¶
Результаты исследования помогут инвесторам из фонда «Shut Up and Take My Money» открыть заведение общественного питания в Москве.


Презентация результатов исследования


Исследование рынка общественного питания:


    

  1. Проанализировали 8406 заведений
    

      

    • тройка лидеров по количеству заведений:
        

      • кафе 28%,
        • 

      • ресторан 24%,
        • 

      • кофейня 17%
        • 

      

      • 

    • меньше всего:
        

      • столовых 4%
        • 

      • булочных 3%
        • 

      

      • 

    • больше всего заведений в Центральном округе
      • 

    • плотность распределения заведений смещена в западную часть Москвы
      • 

    

    2. 

  2. Количество посадочных мест:
    

      

    • чаще всего заведения вмещают 40-50 или около 100 посетителей
      • 

    • тройка лидеров по среднему количеству посадочных мест ресторан, бар/паб, кофейня
      • 

    

    3. 

  3. Несетевых заведений 62% - больше чем сетевых 38%:
    

      

    • сетевые заведения чаще всего кофейни, пиццерии и булочные
      • 

    • несетевые чаще бары, пабы и столовые
      • 

    

    4. 

  4. Топ-15 популярных сетей в Москве
    

      

    • основные категории топ-15 сетевых заведений: кофейня, ресторан, пиццерия
      • 

    • больше всего заведений в сети Шоколадница
      • 

    • относятся к сегменту быстрого питания
      • 

    • ориентированы на широкий круг потребителей - молодежь, студентов и семьи
      • 

    • предлагают доступные цены и удобные форматы обслуживания
      • 

    

    5. 

  5. Распределение категорий заведений по административным округам
    

      

    • больше всего заведений в Центральном округе, пропорционально во всех категориях
      • 

    • меньше всего в Северо-Западном округе
      • 

    • во всех округах представлены заведения из всех категорий
      • 

    

    6. 

  6. Рейтинги заведений
    

      

    • тройка лидеров категорий по рейтингам бары/пабы, пиццерия, ресторан
      • 

    • самый высокий рейтинг у баров, пабов, а самый низкий у заведений быстрого питания
      • 

    • тройка лидеров районов по рейтингам Центральный, Северный и Северо-Западный
      • 

    • самый высокий средний рейтинг заведений в Центральном округе, а самый низкий в Юго-Восточном округе
      • 

    

    7. 

  7. Топ-15 улиц по количеству заведений
    

      

    • больше всего заведений на Проспекте Мира
      

      • 

    • на разных улицах категории заведений распределены непропорционально общему количеству заведений. Например:
      

        

      • на МКАДе кафе примерно столько же как и на Проспекте Мира и почти нет ресторанов и кофеен
        • 

      • на Ленинградском проспекте и шоссе кафе значительно меньше чем ресторанов
        • 

      • на некоторых улицах представлены не все категории заведений
        • 

      

      • 

    

    8. 

  8. 456 улиц с одним объектом общепита
    

      

    • тройка категорий-лидеров по количеству одноуличных заведений: кафе, рестораны, кофейня
      • 

    • в Северном и Северо-Восточном округах самая большая доля улиц с одним заведением
      • 

    • подавляющее количество 93% одноуличных заведений работают только в дневное время
      • 

    • отсутствие конкурентов на улице не сказывается на качестве обслуживания - средний рейтинг по категориям одноуличных/обычных заведений почти не отличается
      • 

    

    9. 

  9. Размера среднего чека
    

      

    • в Центральном административном округе самые высокие цены
      

      • 

    • при удалении от центра цены снижаются, но неравномерно
      

        

      • Западный округ второй по уровню цен
        • 

      • затем идут Северо-Западный и Юго-Западный округа
        • 

      • и затем все остальные
        • 

      

      • 

    • вероятно высокие цены западных направлений связаны с платежеспособностью жителей наиболее престижных районов Москвы
      

      • 

    

    10. 



Исследование для открытия кофейни:


    

  1. Проанализировали 1413 кофеен - 16.82% от общего количества заведений:
    

      

    • в Центральном и Северном округах не только больше всего кофеен, но и их доля от всех заведений выше
      • 

    • в Восточном, Юго-Восточном и Юго-Западном округах доля кофеен меньше всего
      • 

    

    2. 

  2. Почти нет круглосуточных кофеен - всего 4%
    

      

    • больше всего круглосуточных кофеен в Юго-Западном округе, а
      

      • 

    • меньше всего в Южном и Юго-восточном округах
      

      • 

    

    3. 

  3. Рейтинги кофеен
    

      

    • самый высокий рейтинг у Кофемании и Coffeekaldi's, с их кофейнями будет сложно конкурировать
      • 

    • низкие рейтинги:
        

      • у всех кофеен CofeFest, Cofix
        • 

      • у некоторых кофеен Cinnabon, One Price Coffee - при необходимости можно провести дополнительное иссследование в заданном районе
        • 

      

      • 

    • средние рейтинги по районам:
        

      • высокие рейтинги в Центральном и Северо-Западном округах
        • 

      • низкие рейтинги в Западном и Северо-Восточном округах - в них будет проще конкурировать за счет оказания качественных услуг
        • 

      

      • 

    

    4. 

  4. Стоимость чашки капучино
    

      

    • при открытии кофейни имеет смысл ориентироваться на стоимость чашки капучино в 200 руб.
      • 

    • не менее 50% кофеен используют такую цену и выше
      • 

    • по стоимости чашки капучино лидируют Центральный, Западный и Юго-Западный районы
      • 

    

    5. 

  5. Рекомендации по открытию кофейни:
    

      

    • можно начать открытие кофеен с Восточного и Юго-Восточного округов
      

      • 

    • позиционировать кофейни как круглосуточные:
      

        

      • ночная кофейня может привлечь студентов, работников ночных смен и любителей поздних прогулок
        

        • 

      • малое количество существующих круглосуточных кофеен может дать конкурентное преимущество, особенно на улицах с одним заведением
        

        • 

      • для увеличения среднего чека можно предлагать закуски, десерты ...
        

        • 

      

      • 

    • при открытии учитывать:
      

        

      • рейтинги конкурентов
        • 

      • улицы с небольшой долей кофеен и одним заведением общественного питания
        • 

      • 30-40 количество посадочных мест
        • 

      • "кофе навынос"
        • 

      

      • 

    

    6. 























Вернуться в начало