一.前期数据准备，爬去大众点评上日料的数据，包括，价格，口味，环境，服务，

代码如下：

hy1

left

right

for(i in 1:length(name)){

name[i]

}

name

}

myheader

"User-Agent"="Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.1.6) ",

"Accept"="text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",

"Accept-Language"="en-us",

"Connection"="keep-alive",

"Accept-Charset"="GB2312,utf-8;q=0.7,*;q=0.7"

)

library(XML)

library(bitops)

library(RCurl)

date_all

for (j in 1:50){

url

temp

k

name1

left",name1)

right",name1)

for(i in 1:length(left)){

name1[i]

}

name

price1

price")

price

taste1

taste","")

taste

environment1

environment","")

environment

service1

service","")

service

address1

address","")

if (length(name)==length(price)&length(price)==length(taste)&length(taste)==length(environment)&length(environment)==length(service))

{

date_0105

date_all

}

else { print(paste("can't get page",j)) }

}

最终获得一个数据框 数据分别为

name price taste environment service

二.数据分析

1 散点图

library(ggplot2)

hy1

hy1

ggplot(hy1,aes(x=taste,y=price))+geom_point()

2.频率直方图

library(ggplot2)

hy2

ggplot(hy2,aes(x=price))+geom_histogram(binwidth=20,fill="white",colour="black")

3.数据概览

summary(hy0106$price)

#Min. 1st Qu. Median Mean 3rd Qu. Max.

#141.0 168.0 209.0 294.1 315.0 2714.0发现price数据主要集中在209，而且发现日料人均最低都141元，大部分还是209元，还是可以接受的，至于最大的2714元，可能就不是仅仅吃个日料那么简单了。

三.可以进行稍微高级的数据分析(比如探讨下是否价格越高，服务就越好呢)

1.

hy0107

hy2

hy2

hy2$score

ggplot(hy2,aes(x=foodclass,y=score))+geom_boxplot()观察上面的箱线图，发现日本菜和火锅的普遍评价最好。但是西餐和日本菜一些异常评价(评分很低)是最对的。所以去吃日本菜是要谨慎点哈。

2.做一下价格和评价的回归分析

lm_hy

summary(lm_hy)

Call:

lm(formula = price ~ score, data = hy2)

Residuals:

Min 1Q Median 3Q Max

-289.1 -219.5 -138.3 65.8 4770.9

Coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept) 447.73 186.20 2.405 0.0165 *

score 16.07 22.34 0.719 0.4721

---

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 424.3 on 688 degrees of freedom

Multiple R-squared: 0.0007517,Adjusted R-squared: -0.0007007

F-statistic: 0.5176 on 1 and 688 DF, p-value: 0.4721可以看到 p值是0.47 ，远大于0.05，所以价格和评价的相关性不强。

3.检验价格，评价是不是服从正太分布，这里我们有两种方法检验

3.1 Shapiro–Wilk 检测

>shapiro.test(hy2$score

Shapiro-Wilk normality test

data: hy2$score

W = 0.9302, p-value < 2.2e-16

可以看到 P值是远远小于0.05，故得分不服从正太分布

3.2 Pearson 卡方检验

先分组和计数

X

> summary(X)

Min. 1st Qu. Median Mean 3rd Qu. Max.

304.0 364.0 446.5 581.2 649.0 5367.0

> A

p

p

> chisq.test(A,p=p)

Chi-squared test for given probabilities

data: A

X-squared = Inf, df = 9, p-value < 2.2e-16可以看到 P值是远远小于0.05，故价格也不服从正太分布