1. 实际应用场景描述
场景
某连锁餐厅在高峰时段需要快速统计各桌的消费情况，并找出人均消费最高的桌号，以便：
- 优化菜品推荐策略
- 识别高价值客户群体
- 进行精准营销
痛点
- 人工计算耗时且易出错
- 高峰期数据量大，Excel处理效率低
- 无法实时反馈给服务员或管理层
2. 核心逻辑讲解
1. 输入：桌号、就餐人数、消费金额（可批量输入）
2. 计算：人均消费 = 消费金额 / 就餐人数
3. 存储：用列表或字典保存每桌的数据
4. 查找：遍历所有记录，找到人均消费最高的桌号
5. 输出：打印结果
3. 代码模块化设计
我们将代码分为：
-
"data_input.py"：数据输入模块
-
"calculation.py"：计算人均消费模块
-
"analysis.py"：分析最高人均消费模块
-
"main.py"：主程序入口
3.1
"data_input.py"
# data_input.py
def get_table_data():
"""
模拟从POS系统或用户输入获取餐桌数据
返回: list of dict, 每个dict包含 table_id, people_count, total_amount
"""
# 示例数据，实际可从数据库/API/用户输入获取
return [
{"table_id": "A1", "people_count": 2, "total_amount": 200},
{"table_id": "B3", "people_count": 4, "total_amount": 500},
{"table_id": "C2", "people_count": 3, "total_amount": 450},
{"table_id": "D5", "people_count": 1, "total_amount": 120}
]
3.2
"calculation.py"
# calculation.py
def calculate_per_capita(data):
"""
计算每桌的人均消费
:param data: list of dict
:return: list of dict with per_capita added
"""
for record in data:
if record["people_count"] > 0:
record["per_capita"] = record["total_amount"] / record["people_count"]
else:
record["per_capita"] = 0 # 避免除零错误
return data
3.3
"analysis.py"
# analysis.py
def find_highest_per_capita(data):
"""
找出人均消费最高的桌号
:param data: list of dict with per_capita field
:return: tuple (table_id, per_capita)
"""
highest = max(data, key=lambda x: x["per_capita"])
return highest["table_id"], highest["per_capita"]
3.4
"main.py"
# main.py
from data_input import get_table_data
from calculation import calculate_per_capita
from analysis import find_highest_per_capita
def main():
print("=== 餐厅人均消费分析系统 ===")
# 获取数据
table_data = get_table_data()
# 计算人均消费
table_data_with_per_capita = calculate_per_capita(table_data)
# 输出详细数据
print("\n各桌消费详情:")
for record in table_data_with_per_capita:
print(f"桌号: {record['table_id']}, 人数: {record['people_count']}, "
f"总金额: {record['total_amount']}, 人均: {record['per_capita']:.2f}")
# 找出最高人均消费的桌号
top_table, top_per_capita = find_highest_per_capita(table_data_with_per_capita)
print(f"\n🎯 人均消费最高的桌号是: {top_table}, 人均消费: {top_per_capita:.2f} 元")
if __name__ == "__main__":
main()
4. README.md
# 餐厅人均消费分析系统
## 项目简介
基于Python的快速人均消费分析工具，适用于餐饮行业高峰期的实时数据统计。
## 功能
- 输入桌号、人数、消费金额
- 计算人均消费
- 输出人均消费最高的桌号
## 安装与使用
1. 确保已安装 Python 3.7+
2. 克隆本项目
3. 运行 `python main.py`
## 模块说明
- `data_input.py`: 数据输入
- `calculation.py`: 计算逻辑
- `analysis.py`: 数据分析
- `main.py`: 主程序
## 适用场景
- 餐厅POS系统数据分析
- 营销决策支持
- 客户价值识别
5. 使用说明
1. 将代码保存为对应文件名
2. 在终端执行：
python main.py
3. 查看控制台输出的各桌消费详情及最高人均消费桌号
6. 核心知识点卡片
知识点 说明
列表与字典 用于存储结构化数据
函数封装 提高代码复用性与可维护性
异常处理 避免除零错误
max()与lambda 高效查找最大值
模块化设计 便于团队协作与扩展
大数据预处理 在真实场景中需结合Pandas/Spark处理海量数据
7. 总结
本项目通过模块化Python编程，解决了餐厅高峰期人均消费分析的痛点：
- 实时性：秒级输出结果
- 准确性：避免人工计算错误
- 可扩展性：可接入数据库或API实现动态数据更新
未来可结合大数据技术（如Hadoop/Spark）处理全国门店数据，并利用机器学习预测高价值客户，实现真正的智能餐饮管理。
如果你需要，还可以把这个项目升级成Web版（Flask/Django）或者数据可视化看板（Matplotlib/Plotly），这样管理层可以直接在网页上看到分析结果。
利用AI高效解决实际问题，如果你觉得这个工具好用，欢迎关注我！
