数说-在麦当劳吃三餐是什么样的后果?

本文尝试对Kaggle中提供的一份“麦当劳菜单中的各类食品的营养成分表”进行数据分析,初步回答页面中的一个问题,并做一些延伸讨论。

Inspiration

How many calories does the average McDonald's value meal contain?

平均下来,每顿麦当劳大概含有多少卡路里?


1.导入数据

下载数据集,解压后得到名为“menu”的.csv文件,脚本输入代码:

library(readr)

menu <- read_csv("C:/Users/Administrator/Desktop/menu.csv")

成功导入相应数据:

脚本输入代码:

menu #显示数据

class(menu)#数据类型显示

dim(menu)#查看变量的维数

由图可知,本数据集是一个data.frame类型的对象,包含260条数据记录、24个变量

2.数据处理

本次数据分析的目标是:计算平均每顿麦当劳的卡路里数。对于以上问题,我们需要的变量应该为:每种餐品对应的卡路里数。

从表中目测可知,餐品类别有一下9组:Breakfast(早餐)、Beef & Pork(牛肉和猪肉)、Chicken & Fish(鸡肉和鱼)、Salads(沙拉)、Snacks & Sides(小吃和面包)、Desserts(甜点)、Beverages(饮料)、Coffee & Tea(咖啡和茶)、Smoothies & Shakes(冰沙和奶昔)。因此,我们首先计算出每个类别的餐品所提供的卡路里数:

脚本输入代码:

food<-menu

MCfood <- select(food,Category,Calories) #筛选变量列表

by_Category <- group_by(MCfood, Category) #将Category进行分组

by_Category #显示by_Category数据表

由上图可知,数据表包含260条数据记录、2个变量,按照category被分为9组。

3.数据计算

接着输入代码:

Category_sum <- summarise(by_Category, count = n(),#统计各分组的数量

mean_calories = mean(Calories, na.rm = TRUE))#计算每组平均卡路里数

Category_sum <- arrange(Category_sum , desc(mean_calories)) #按照卡路里数降序排列

Category_sum #显示Category_sum 表数据

由表中可知,各分组的餐品的平均卡路里量。Breakfast(早餐)为526.6、Beef & Pork(牛肉和猪肉)为494.0、Chicken & Fish(鸡肉和鱼)为553.0、Salads(沙拉)为270.0、Snacks & Sides(小吃和面包)为245.8、Desserts(甜点)为222.1、Beverages(饮料)为113.7、Coffee & Tea(咖啡和茶)为283.9、Smoothies & Shakes(冰沙和奶昔)为531.4。

由上述数据,可以绘制出餐品热量排名图,脚本输入代码:

ggplot(Category_sum ,aes(x =reorder(Category,mean_calories),y = mean_calories))+

geom_bar(stat = "identity",fill = "#B4EEB4",colour = "#BFFFFF",width=0.68) #绘制柱形图


按照本人的饮食习惯,选择的午餐的搭配通常为肉类、主食、甜点、饮品。所以,固定主食和甜点不变,我可以选择的剩余组合是Beef & Pork、Beverages;Beef & Pork、Coffee & Tea;Beef & Pork、Smoothies & Shakes;Chicken & Fish、Beverages;Chicken & Fish、Coffee & Tea;Chicken & Fish、Smoothies & Shakes,共计6种组合。分别计算各组合的卡路里量:

sum(245.8,222.1)#固定主食和甜点的卡路里数

sum1<-sum(245.8,222.1)

a<-sum(494.0,113.7,sum1)#加上Beef & Pork、Beverages的总卡路里数

b<-sum(494.0,283.9,sum1)#加上Beef & Pork、Coffee & Tea的总卡路里数

c<-sum(494.0,531.4,sum1)#加上Beef & Pork、Smoothies & Shakes的总卡路里数

d<-sum(553.0,113.7,sum1)#加上Chicken & Fish、Beverages的总卡路里数

e<-sum(553.0,283.9,sum1)#加上Chicken & Fish、Coffee & Tea的总卡路里数

f<-sum(553.0,531.4,sum1)#加上Chicken & Fish、Smoothies & Shakes的总卡路里数

上述六种午餐组合的卡路里摄入分别为1075.6、1245.8、1493.3、1134.6、1304.8、1552.3,由此可以计算出午餐平均摄入卡路里量。继续输入代码:

mean1<-c(a,b,c,d,e,f)

lunch=mean(mean1)

lunch

由上图可知,午餐摄入卡路里量为1301.1

本人晚餐的组合一般为肉类、主食、饮品,固定主食不变,所选的组合依旧为Beef & Pork、Beverages;Beef & Pork、Coffee & Tea;Beef & Pork、Smoothies & Shakes;Chicken & Fish、Beverages;Chicken & Fish、Coffee & Tea;Chicken & Fish、Smoothies & Shakes,共计6种组合。所以,只需将午餐卡路里平均摄入量减去甜点的222.1,即为晚餐平均卡路里摄入量。输入代码:

dinner=lunch-222.1

dinner

由图可知,本人晚餐摄入卡路里为1078.967。


综上所述,本人在麦当劳早、中、晚餐的卡路里摄入量分别为526.6、1301.1、1079。平均每顿摄入卡路里数为:

meal_mean=c(526.6,lunch,dinner)

mean(meal_mean)

从图可知,本人在麦当劳平均每顿摄入卡路里为968.9!!!!!!

meal_sum=sum(526.6,lunch,dinner)

meal_sum

从图可知,本人在麦当劳一天摄入平均卡路里为2906.6!!!!!!

我因此从网上查询了每日需要卡路里的计算方法:

[(10 × 体重) + (6.25 × 身高) - (5 × 年龄) - 161]*活动量,活动量为1.1-1.3不等。

代入体重51、身高165、年龄26,计算得卡路里需求范围为:1375.3-1625.3。

这告诉我,在麦当劳吃上三餐,相当于摄入了正常两天所需要的热量。哎哎哎~管住嘴、迈开腿啊~~~

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,980评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,178评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,868评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,498评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,492评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,521评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,910评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,569评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,793评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,559评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,639评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,342评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,931评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,904评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,144评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,833评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,350评论 2 342

推荐阅读更多精彩内容