（接上篇）
上篇掌柜分析了人均（mean-price）、地区（area）以及点评数（review-num），下面接着分析推荐菜（recommend）、评分（shop-num）以及多个变量之间的关系。

  1. 先看推荐菜（recommend），掌柜统计了一下出现频率最高的10个饮品：

    结论五：在这650家咖啡店的数据里面，成都人民最爱点的咖啡就是拿铁😁，其次是焦糖玛奇朵和澳白（Flat White），第十位是星巴克的抹茶星冰乐加双倍浓缩。

然后掌柜也做了一个推荐咖啡的词云图：

结果也跟上面统计的一样，拿铁稳居首位！所以以后如果你去一家咖啡店不知道点什么的时候，不妨试着点杯拿铁看看，踩雷的几率会小很多。

  1. 再来看评分这三列（口味、服务、环境）的数据整体分布情况：
    PS:今天突然查看大众点评的页面，发现这三列数据的分制改成5分制了！不过其实结果也一样

    （👆这是口味分）

    （👆这是服务分）

    （👆这是环境分）
    可以看出来这650家咖啡店三者得分都在6.8~9.5分之间，没有太低分，也没有满分，看来大家还是要求较宽松。下面掌柜就这三列生成一个数据透视表，然后综合三项得分后降序排列前10咖啡店：

    除开第一的西餐厅，可以得到结论六：
    在这650家咖啡店里面，有宠物的咖啡店明显更受客户喜欢，评分也会更高🐱🐶。所以以后各位老板如果想开咖啡店了，可以考虑加入宠物元素会让你的店更受欢迎！

下面进行多变量之间的分析，直接使用sns的pairplot函数可以一次性打印出数据集的散点图矩阵：

可以得出结论七：
在这650家咖啡店里面，人均消费（mean-price）同点评数（review-num）之间、点评数和评分（shop-num)之间都无太大关系，而口味(taste-num)、环境(envir-num)、服务(service-num)三者的两两之间呈现正相关的关系。

可以加入趋势曲线来验证刚刚我们的结论：

也是一样的结果。

当然，如果你想通过分类变量查看多变量之间的关系也是可以的，例如这里就是area这个分类变量（不过因为area里面的分类比较多，所以看起来不是很明显，这里只是提供多一种思路）：

好了，大众点评成都650家咖啡店的数据分析基本就到这里。其实还可以分析挖掘更多信息，但是限于篇幅，就暂不继续，谢谢大家阅览，希望对你喝咖啡有帮助😁。

☕PS：三篇文章的所有代码已经上传👉：Github
请自取🤝。