产品基本信息

• 数据来源：基于公共 Zomato 数据集编译，经特征工程和清理技术增强。
• 数据规模：包含 123,657 行数据，涵盖丰富的餐厅及菜品相关字段。
• 数据内容：包含餐厅名称、堂食 / 配送评分及票数、美食类型、地点 / 城市、菜单项名称、畅销状态、价格（印度卢比）、平均评分、总票数、每票价格比、对数价格、是否畅销品、餐厅人气、餐厅平均评分 / 价格、同类美食平均评分 / 价格、同城市平均评分 / 价格、是否高评分（≥4.0）、是否高价（高于城市平均）等字段。
• 数据格式：CSV 格式。
• 数据特点：无缺失值，含工程特征，Ready for 数据可视化、机器学习和业务分析。

产品使用说明

1. 数据读取与整理：使用 Python（Pandas 库）、R 或 Excel 等工具读取 CSV 文件，可按城市、美食类型等维度筛选数据，便于针对性分析（如某城市快餐行业特征）。
2. 特征分析与可视化：利用平均评分、价格、每票价格比等字段，分析不同餐厅 / 美食类型的性价比；通过餐厅人气、畅销品状态等，挖掘热门餐厅的共性特征，借助可视化工具（如 Matplotlib、Tableau）呈现结果。
3. 机器学习建模：以价格为目标变量，结合评分、美食类型、城市等特征构建价格预测模型；或基于评分和用户投票数据，训练餐厅推荐系统，实现个性化推荐。
4. 业务应用：根据分析结果为餐饮从业者提供参考，如针对高评分餐厅的特征优化菜品或服务；依据同城市价格水平，制定合理的定价策略。

应用场景

1. 餐饮企业运营：连锁餐厅可利用数据集分析不同城市的餐饮价格带、消费者偏好（如某城市对中餐的评分高于西餐），指导新店选址、菜品定价和营销活动，提升市场竞争力。
2. 美食推荐平台开发：开发者可基于数据集训练推荐算法，根据用户对美食类型、价格、评分的偏好，精准推送合适的餐厅及菜品，优化用户体验。
3. 学术研究：研究人员可通过数据集探索餐饮行业的空间分布规律（如不同城市的美食类型集中度）、价格与评分的相关性等课题，为餐饮经济学研究提供实证支持。

相似产品

产品来源