用MongoDB分析合肥餐饮业

看了《从数据角度解析福州美食》后难免心痒，动了要分析合肥餐饮业的念头，因此特地写了Node.js爬虫爬取了合肥的大众点评数据。分析数据库我并没有采用MySQL而是用的MongoDB，是因为爬取的数据存在字段缺失的情况（schema不一致）。

1. 数据准备

MongoDB简介

不同于MySQL，MongoDB是一种Schema-less的NoSQL数据库；与ElasticSearch类似，最小存储单元Document为BSON object。MySQL与MongoDB的基本概念对比：

MySQL	MongoDB
DB	DB
Table	Collection
Row	Document
Column	Field
Joins	Embedded documents, linking

MongoDB不支持collection之间join操作，所以应存储待分析的join后的宽表。同时，MongoDB具有灵活的数据模型及可扩展的Schema，支持前后Document的schema不一致。

写操作

Node.js将爬取的json数据写入MongoDB，在写之前对数据做了清洗过滤——将人均价格太离谱的餐馆给剔除掉了：

var MongoClient = require('mongodb').MongoClient;
var fs = require('fs');
// Connection URL
var url = 'mongodb://<user>:<passwd>@<host1>:<port1>,<host2>:<port2>/<db>';

var insertDocuments = function (db, docs, callback) {
// Get the documents collection
var collection = db.collection('dianping');
// Insert documents
collection.insertMany(docs, function (err, result) {
console.log('Inserted', result.result.n, 'documents into the collection');
callback(result);
});
};

var array = fs.readFileSync('data1.json').toString().split('\n')
.filter(function (line) { // filter empty line
return line != '';
}).map(function (line) {
return JSON.parse(line);
}).map(function (doc) {
doc.taste = parseFloat(doc['taste']);
doc.surrounding = parseFloat(doc['surrounding']);
doc.service = parseFloat(doc['service']);
return doc;
})
.filter(function (doc) {  // filter dirty data
return doc.price == '' || (doc.price >= 3 && doc.price <= 800)
});

MongoClient.connect(url, function (err, db) {
var docs = array;
console.log("Connected successfully to server");
insertDocuments(db, docs, function () {
db.close();
});
});

Diver用的是官方的，共计写入4979家商户。

2. 数据分析

商家分析

价格最贵的10家餐厅：

db.dianping.find(
{$where: "this.price != ''"},
{id: 1, name: 1, branchName: 1, price: 1,  star: 1, taste: 1, surrounding: 1,  service: 1, region: 1, _id: 0}).sort({price: -1}).limit(10)

id	商家名	分店名	价格	评级	商圈	口味	环境	服务
32332470	锅德港式肥牛海鲜火锅		499	4.5	三里庵	8.8	9	8.9
56818450	万达威斯汀酒店思悦兹		436	3.5	包河区	7.4	7.7	7.4
3180424	祥记燕鲍翅餐厅	古井店	427	3.5	长江东路	7.2	7.2	7.3
57634649	吉利亚特海洋餐厅		395	3.5	三里庵	7.6	8.6	8
24757164	王品牛排	合肥万象城店	375	5	华润万象城	9.2	9.3	9.3
5666720	王品牛排	合肥银泰店	373	5	淮河路步行街	9.1	9.3	9.3
26976035	白金汉爵大酒店餐厅		366	4	滨湖世纪城	8.2	9	8
13754750	恒悦国际外商俱乐部酒店餐厅		366	3.5	天柱路	7.3	7.3	7.2
23497952	绿地福朋喜来登酒店	聚味中餐厅	300	4	黄望潜	8	8.8	8.1
19630875	富山怀石料理		253	4	1912街区	8.2	8.8	8.4

从上面可以看出，价格贵不一定代表口味好，贵的大部分是酒店餐厅。

最好吃的10家餐馆：

db.dianping.find(
{},
{id: 1, name: 1, branchName: 1, price: 1,  star: 1, taste: 1, surrounding: 1,  service: 1, region: 1, _id: 0}).sort({taste: -1}).limit(10)

id	商家名	分店名	价格	评级	商圈	口味	环境	服务
19338040	恳的妙手海鲜火锅		139	5	马鞍山南路	9.3	9.3	9.3
5641240	蜀王涮涮锅	长江西路店	57	5	长江西路华联	9.3	9.2	9.3
6228284	海底捞火锅	之心城店	102	5	三里庵	9.2	9.2	9.3
18067370	海底捞火锅	银泰中心店	103	5	淮河路步行街	9.2	9.2	9.3
48232229	蜀王火锅那些年		65	5	三里庵	9.2	9.3	9.3
24757164	王品牛排	合肥万象城店	375	5	华润万象城	9.2	9.3	9.3
14909570	海底捞	蒙城路店	100	5	白水坝	9.2	9.2	9.2
57701010	福记蒸汽海鲜		100	5	元一广场	9.2	9	9.2
5458106	川锅一号		75	5	三孝口	9.2	9.2	9.3
38306310	吞馋·夜食速递		77	5	银泰城	9.2	9.2	9.3

最好吃排行榜中火锅类的餐馆占了8个，合肥人是有多喜欢吃火锅！

“三九”餐厅，即口味、服务、环境评分都在9.0（包含9.0）之上的餐厅：

db.dianping.find(
{taste: {$gt: 9}, surrounding: {$gt: 9}, service: {$gt: 9}},
{id: 1, name: 1, branchName: 1, price: 1,  star: 1, taste: 1, surrounding: 1,  service: 1, region: 1, _id: 0}).sort({taste: -1})

id	商家名	分店名	价格	评级	商圈	口味	环境	服务
19338040	恳的妙手海鲜火锅		139	5	马鞍山南路	9.3	9.3	9.3
5641240	蜀王涮涮锅	长江西路店	57	5	长江西路华联	9.3	9.2	9.3
6228284	海底捞火锅	之心城店	102	5	三里庵	9.2	9.2	9.3
18067370	海底捞火锅	银泰中心店	103	5	淮河路步行街	9.2	9.2	9.3
48232229	蜀王火锅那些年		65	5	三里庵	9.2	9.3	9.3
24757164	王品牛排	合肥万象城店	375	5	华润万象城	9.2	9.3	9.3
14909570	海底捞	蒙城路店	100	5	白水坝	9.2	9.2	9.2
5458106	川锅一号		75	5	三孝口	9.2	9.2	9.3
38306310	吞馋·夜食速递		77	5	银泰城	9.2	9.2	9.3
8690811	新辣道鱼火锅	蒙城路华联店	72	5	双岗	9.2	9.2	9.2
19659077	煲王粤菜餐厅		83	5	黄望潜	9.1	9.1	9.1
58826504	海底捞火锅	潜山路银泰城店	100	5	蜀山区	9.1	9.2	9.1
66109066	海银海记潮汕牛肉火锅		104	5	1912街区	9.1	9.2	9.2
64050497	花庭里成都火锅		112	5	市府广场	9.1	9.3	9.1
27375462	晋家门	华润万象城店	63	5	华润万象城	9.1	9.1	9.2
5666720	王品牛排	合肥银泰店	373	5	淮河路步行街	9.1	9.3	9.3
45300772	大卫壹番屋	宿州路店	37	5	淮河路步行街	9.1	9.3	9.3
24912528	新石器烤肉	合肥万象城店	66	5	华润万象城	9.1	9.1	9.1
65696913	百辣归川重庆火锅		79	5	蜀山区	9.1	9.2	9.1
17923508	花涧堂云南石锅鱼		90	5	银泰城	9.1	9.2	9.2
22029637	大鮨寿司	合家福店	55	5	马鞍山南路	9.1	9.2	9.1
8931258	豆蔻餐厅. 电影主题店	四牌楼店	55	5	淮河路步行街	9.1	9.1	9.1
56903863	一品焖锅	万达店	76	5	包河区	9.1	9.2	9.2
559223	蜀王火锅	金寨路店	62	5	中科大	9.1	9.1	9.1
32302396	棒约翰比萨	合肥港汇店	76	5	黄望潜	9.1	9.2	9.1
3707974	港鼎汇香港时尚火锅料理	阜南路店	107	5	城隍庙	9.1	9.2	9.1
572662	蜀王火锅	长江东路店	71	5	长江东路	9.1	9.2	9.2
20897019	锅吧回转小火锅		18	5	三里庵	9.1	9.1	9.1

“三九”餐厅排行榜的人均价格在￥100上下，可以看出合肥餐饮业的价格保持在相对良心的水平。

分店最多的前15家餐厅：

db.dianping.aggregate([
{$group: {_id: {name: "$name", category: "$category"}, totalBranches: {$sum: 1}}},
{$sort: {"totalBranches": -1}},
{$limit: 15}])

商家名	分类	分店数
老乡鸡	快餐简餐	106
仟吉西饼	面包西点	40
采蝶轩	面包西点	37
肯德基	快餐简餐	36
龙门花甲	小吃	31
肥叔锅贴	生煎/锅贴	25
艾比客	快餐简餐	25
大脸鸡排	小吃	24
岸香咖啡	咖啡厅	22
必胜客	比萨	17
傣妹火锅	更多火锅	16
豪大大鸡排	小吃	16
星巴克	咖啡厅	15
好利来	面包西点	14
良记卷饼王	小吃	14

在上面连锁店中，快餐简餐、面包西点类占了多数；其中，老乡鸡与采蝶轩是本土品牌。在合肥餐饮业的市场竞争，本土品牌还是占优势的。

商圈分析

最多吃货Top 15商圈（商家数量与分类数量）：

db.dianping.aggregate([
{$match: {"region": {$not: /.*[区县].*/}}},
{$group: {_id: "$region", categorys: {$addToSet: "$category"}, totalShops: {$sum: 1}}},
{$unwind: "$categorys"},
{$group: {_id: {region :"$_id", totalShops: "$totalShops"}, categorys: {$sum: 1}}},
{$sort: {"_id.totalShops": -1}},
{$limit: 15}])

商圈	商家数	商家分类数
三里庵	245	44
黄望潜	176	42
淮河路步行街	162	34
天鹅湖万达	131	41
包河万达	114	33
滨湖世纪城	92	30
白水坝	84	33
马鞍山南路	82	32
三孝口	76	28
青阳路	75	30
大学城	60	22
明珠广场	53	20
银泰城	52	26
南七里站	49	22
华润万象城	48	22

三里庵拿下了商家数、分类数的双料冠军；但是，在下面的最好吃排行榜上却看不到其踪影了，说明三里庵商圈的餐馆量大却质不高。

最好吃的Top 15商圈（平均口味评分）：

db.dianping.aggregate([
{$match: {"region": {$not: /.*[区县].*/}}},
{$group: {_id: "$region", avgTaste: {$avg: "$taste"}, avgSurr: {$avg: "$surrounding"}, AvgSer: {$avg: "$service"}}},
{$sort: {"avgTaste": -1}},
{$limit: 15}])

商圈	平均口味	平均环境	平均服务
卧牛山街道	8.6	8.7	8.7
电子16所	8.5	8.6	8.4
三河镇	8.4	8.1	8.8
华润万象城	8.1	8.5	8.2
淮河路步行街	8.09	8.0	8.0
天鹅湖万达	8.0	8.0	8.0
东风路	8	7.85	7.8
元一哈街	8	7.85	7.9
人民路	7.9	8.0	7.9
阜南路	7.9625	8.125	7.8
银泰城	7.9	8.0	7.9
一中	7.9	7.9	7.9
包河万达	7.9	8.0	7.9
颍上路	7.9	7.93	7.8
市府广场	7.89	7.7	7.7

卧牛山街道拿了头冠，说实在的，我还没去吃过。