繼前兩期分別爬取了海珠某區域和海珠區美食餐廳數據進行分析，應讀者要求，本期更進一步，獲取了全廣州60000+個餐飲門店數據進行分析。不少讀者對全廣州的各種餐廳數據非常感興趣。好了，馬上安排。
錯過前兩期的請查看下面鏈接或者查看美食餐廳類專輯：
技術喫貨用Python爬取廣州海珠區1845箇中式餐廳數據
疫情過後重新開店，如何參考商業數據（數據乾貨）
一、廣州11區餐廳門店數量和人均消費
天河、白雲的人口商業都是全廣州最繁華的，門店數量果然也是遙遙領先，天河作爲商業中心，人均消費也是最高的。但總體來看，人均消費差別不大，價格上都比較適中。
二、不同餐廳門店數量和人均消費
我們選取了其中五個數量最多的分類：中餐廳、外國餐廳、快餐廳、咖啡廳、茶藝館|冷飲店|蛋糕店|甜品店|休閒餐廳。各種餐廳門店數量和人均消費：
注：這裏的快餐廳是指連鎖品牌：如麥當勞肯德基、品牌茶餐廳和連鎖快餐大家樂等，外賣門店並不在此次的統計中，所以可能會有所遺漏
由此可見還是中餐廳是主流。分析餐廳門店很重要的指標是地理位置，所以對比了一下中餐和外國餐廳門店的地理分佈圖，（紅：中餐廳，綠：外國餐廳）。外國餐廳數量較少，但是主要分佈在天河珠江新城CBD和海珠越秀等商業區。
單純以區和餐飲門店類型做維度，很難直觀查看到區和餐廳類型的關係，所以把這兩個維度結合起來，做了一個矩形樹圖，讓我們來看看不同區不同餐廳類型的數量分佈：
矩形樹圖在數據分析中實現層次結構可視化的圖表結構。柱形圖不適合表達過多類目（比如上百）的數據，那應該怎麼辦?矩形樹圖出現了。它直觀地以面積表示數值，以顏色表示類目，初次接觸時都感覺到非常驚豔。Python pyecharts製作比較複雜，需要將數據放在特定格式的json格式，如果使用Tableau等可視化工具則使用拖拽方式即可。
#做一個所有分類的樹形圖
final_list = []
cate_list = data_unique.groupby(by='adname').count()
#第一層
for i in range(len(cate_list)):
cateName = cate_list.index[i] #區名
#第二層
sub_list = data_unique[data_unique.adname==cateName].groupby(by='newType').count()
two_list = []
for j in range(len(sub_list)):
temp_dict = {'value':sub_list.iloc[j]['name'], 'name':sub_list.index[j]}
two_list.append(temp_dict)
temp_dict = {'value':category_rank.iloc[i]['name'], 'name':category_rank.index[i], 'children':two_list}
print(temp_dict)
final_list.append(temp_dict)
天河果然是上班族的天地，快餐廳的門店數量是最多的。
海珠區的美食大排檔是出了名的，所以特色地方風味餐廳數量是最多的，其次是快餐廳和冷飲店，果然是逛街喫飯的好去處。
好了，關於不同類型門店數量的分析就到這裏，想更進一步瞭解，只需要下載html自己查看即可，無需編程開發。
三、細分類型門店數量和人均消費
前面做的餐廳分類是以中西餐大類作爲分析對象，其實很多人關注的是更加細分領域，比如火鍋店、川菜店、日本料理或者韓國料理等等，讓我們來看看什麼樣的餐廳最貴吧：
法國餐廳人均293元一枝獨秀，看來法國菜一頓飯喫3個小時是有原因的。其他類型的都沒有超過人均100元的，其中的燒烤店是應做燒烤店的朋友要求，專門做一次燒烤店的分析，所以選取了店面包含“燒烤”的門店進行統計，數量上僅有839家，肯定有所遺漏，人均消費上，62元表示還能接受。當然也可以做其店面周邊的門店類型數量和人均消費，下一期我們再做其他類型的分析。
如果你想知道其他城市的數據或者其他類型門店的數據，請留言告訴我，下一期說不定就是你想知道的內容。
如果對代碼和矩形樹圖的html文件感興趣，可以在公衆號（迷途小球迷）後臺回覆：餐廳 即可。
數據來源：高德地圖API