爬下20萬份菜譜，數據解讀舌尖上的中國 | 饕餮文本大宴

說來奇怪，中國人愛吃，但是對吃的卻有千百種看法和意見，有的人喜歡吃辣，有的人不喜歡，有的人喜歡吃甜豆腐，有的人喜歡吃咸豆腐，千滋百味是中國菜的特色，但中國的味道到底是怎樣的？或者說，主流的中國味道是怎樣的？是美食節目里精緻的膳食，還是晚上回家老媽的一碗熱面？抑或是家門口小飯館裡冒著熱氣的回鍋肉？

為了解決這個問題，我開始琢磨從數據分析上想點門路。在我咽了無數次口水後，我選取了幾個美食網站，這幾個美食網站的特點是，上面的美食都是用戶主動上傳的，因此，爬取這些美食的相關數據，就相當於趴在窗外看了一次別人家的晚飯，當我趴在窗戶上看了足夠多的別人家的晚飯的時候，關於中國味道的印象應該就可以成形了。

雖然這樣做看上去有點猥瑣，但是我的內心是高尚的，這一點必須澄清一下。

首先，我依舊是寫爬蟲，這個爬蟲能夠自動從這幾個美食網站上隨機獲取美食的信息，包括食材，烹飪時間，具體步驟，美食名稱，上傳美食的用戶位置這幾個信息

和之前的爬蟲不一樣，這個爬蟲是自動去獲取數據的，不需要跟任何參數，因此我把它放在一邊，沒有管它，這樣過了一個小時之後。。。

第二天我又把它開了半天，最後大概爬取了約20萬份全國各地的人們主動上傳的美食。看到數據的我突然覺得，要是這都是做給我吃的就好了，20萬道菜，就算一天吃10道菜，都可以吃50年了。數據從某方面來講確實是好東西，但畢竟不能吃，少了那麼些意思。

和之前分析歌詞不同，幾十萬字的歌詞也才1M上下，存個文本文檔就足夠了，但這次不一樣，20萬份下來最少100M，要是放在文本文檔里那別說分析了，打開它都得讓電腦卡死，所以這一次，我鳥槍換炮，把它存在了 mysql 資料庫裡面，說實話，G 以下的數據，也暫時還用不到 Hadoop 一類的東西，mysql 足矣。

通過對食材的聚類分析，我們可以看出，最受歡迎的調理是鹽，其次是糖，醬油（PS:同類詞已經合併，例如糖和白糖，都算做糖）

這從某種程度上說明了，鹹味比甜味還是更主流一點。

那麼，人們最喜歡吃的肉是什麼呢？我們把食材又做一次聚類，發現了如下事實：

可以看得出，五花肉是不可撼動的存在，第二名排骨的份額也不錯，達到了12.1%，其次是牛肉和豬肉。雖然豬肉略遜於牛肉，但五花肉和排骨其實也是豬肉，因此，豬肉無可辯駁的是中國人的餐桌之王。令我比較吃驚的是蝦仁有8.57%的份額，我小時候基本上很少吃蝦仁，這世界變化快啊。

肉類看完了，那麼對於蔬菜的選擇又是怎樣的呢？

看了結果我有一點憤怒，為什麼這麼難吃的胡蘿蔔居然是第一？而且那麼領先。又是為什麼，香菜居然出現在了前十的名單裡面。我最愛的土豆，居然只有 14.54% 的份額。這太讓人震驚了。

另外我還發現了一個不得不說一下的事實，就是在描述用量的時候，出現最多的是「適量」，這個描述每次我看到都很頭疼，適量到底是多少，為什麼不能說的明白一點呢，我手一抖，倒下去半瓶醋，是不是也是適量？

看完了食材，我們看一下中國人最常做的菜是什麼：

可樂雞翅，這勾起了我遙遠的回憶，我第一次聽到這個名字的時候還在上小學，那時候我覺得這個菜肯定特別牛逼，特別複雜。後來卻發現，這道菜出奇的簡單，那些號稱能在廚房露一手，但是平時從來不下廚房的人們，往往能露的也只有可樂雞翅和蛋炒飯，最多再加一個土豆絲。

另一個比較好玩的數據是烹飪時間，統計發現，接近半數的菜，烹飪時間為30-45分鐘，這充分說明了中國人做菜是充滿耐心的，雖然社交網路上充斥著幾分鐘做一個什麼什麼菜的教程，但是大家還是願意認認真真，花幾個小時做一桌一家人的晚餐，這是中國傳統文化中關於食物的美好的地方。

中國菜的技藝複雜，煎炒炸蒸燜煮燒，什麼技法是出現最多的呢？

炒是做常見的做法，其次是燒，蒸和煎。

照例，我們可以杜撰一下一道典型中國菜的畫像：適量的五花肉，適量的胡蘿蔔，土豆和洋蔥，以及適量的醬油，鹽和糖。首先把鍋燒熱，倒入適量的油，然後放入姜蒜，等香味出來後，放入五花肉，等到五花肉的油出來，肉微焦，香味四溢的時候，放入胡蘿蔔，土豆，洋蔥，繼續翻炒，然後放入醬油上色，鹽，糖，繼續翻炒入味，還可以放點水燒一下。然後撒點蔥花，就可以出鍋了！

炒出來可能是這個樣子：

媽的，居然餓了。

PS：菜譜的數據屬於美食網站，我昨晚分析後已經全部刪除了，但是食材的數據（如下圖所示）我留下來了，並且經過脫敏處理，如果大家有需要，可以關注我的微信公眾號( ID:superwdk )，回復「食材」，我會給你下載地址，你可以自己分析著玩，或者練練mysql語句的技巧。這個數據有一百萬行左右。爬蟲源代碼寫的太丑，就暫時不開源了～

喜歡好的就關注，持續更新。

作者：超級王登科

個人公眾號：「超級王登科」（ID：superwdk）

出處：超級王登科博客專欄

最近很多人私信問我問題，平常知乎評論看到不多，如果沒有及時回復，大家也可以加小編微信：tszhihu，進知乎大數據分析挖掘交流群，可以跟各位老師互相交流。謝謝。