在线食品数据分析 · 可视化看板

项目简介：基于 `onlinefoods.csv`（388 条在线食品用户消费记录）的完整商务数据分析项目，通过 Streamlit + Plotly 构建可交互可视化看板，覆盖用户画像、教育收入、职业分析与收入预测，帮助理解在线食品消费用户特征。

数据与工具：388 条用户记录（年龄 / 性别 / 婚姻 / 职业 / 月收入 / 教育 / 家庭人口 / 反馈等字段）；Streamlit 看板 + Plotly 交互图表 + Pandas 数据处理 + scikit-learn 线性回归 + scipy 方差分析。

成果：5 个 KPI 指标卡 + 多维联动筛选 + 5 个分析标签页，一键式可交互看板；核心结论：用户年轻化（平均 24.6 岁）、以学生为主（62.4%），不同职业收入差异显著（ANOVA p<0.05）。

打开在线演示 源码仓库

📅 2025-02-09 ｜ 分类：数据分析 ｜ 标签：Streamlit / Plotly / Pandas / scikit-learn

一、项目背景

在线食品配送已成为日常生活中高频场景。本项目以 388 条在线食品用户消费记录为样本，用一套完整的商务数据分析流程回答：谁在使用在线食品配送？不同人群的收入、教育与消费行为有何差异？能否用收入预测模型辅助理解用户？

二、数据与预处理

• 数据来源：onlinefoods.csv，388 条记录，含年龄、性别、婚姻状况、职业、月收入、教育程度、家庭人口、经纬度、邮编、是否使用配送、反馈等字段。
• 收入量化：将月收入区间映射为区间中点（No Income=0、Below Rs.10000=5000、10001 to 25000=17500、25001 to 50000=37500、More than 50000=60000）便于数值分析。
• 检查项：描述性统计、缺失值检查、分类变量分布。

三、看板功能（Streamlit + Plotly）

页面顶部 5 个 KPI 指标卡（样本数、平均年龄、平均家庭人口、平均月收入、满意度），侧边栏多维联动筛选（性别 / 婚姻状况 / 职业 / 教育程度 / 年龄范围），按 ipynb 分析任务组织为 5 个标签页：

标签页	分析内容
📊 数据概览	原始数据表、描述性统计、缺失值检查、分类变量分布
👤 用户画像分析	年龄分布直方图 & 箱线图、性别饼图、婚姻状况、家庭人口
🎓 教育与收入分析	教育/收入分布、教育×收入热力图、平均收入、相关性分析
💼 职业与收入分析	职业分布、各职业平均收入、职业×收入热力图、ANOVA
📈 收入预测模型	线性回归指标、模型诊断图、特征重要性、交互式收入预测表单

import streamlit as st
import pandas as pd
from sklearn.linear_model import LinearRegression

df = pd.read_csv("onlinefoods.csv")
# 月收入区间映射为区间中点后建模
model = LinearRegression().fit(X_train, y_train)
# 侧边栏输入特征 → 交互式收入预测

四、核心分析结论

• 用户年轻化：平均年龄约 24.6 岁，以学生为主（62.4%）。
• 性别分布：男性 222 人（57.2%），女性 166 人（42.8%）。
• 婚姻状况：单身 268 人（69.1%），已婚 108 人（27.8%）。
• 教育分布：以 Graduate / Post Graduate 为主（合计超 90%），约 48% 用户无收入来源。
• 职业收入差异显著：ANOVA p < 0.05，Employee 平均收入最高，House wife 最低。
• 模型定位：线性回归解释力有限，结果仅供学习演示参考。

五、相关链接

• 在线演示：https://onlinefoodsanalyze-n5pzeqkftq5y9adncw6s7b.streamlit.app/
• 源码仓库：https://github.com/yohoten/onlinefoods_analyze