Consumindo API do Ifood com Python

O Ifood disponibiliza sua API para que possamos utilizar (https://developer.ifood.com.br/).  Você notará que é várias possibilidades de análises e aqui que vou fazer aqui é uma delas, vai de acordo com seu objetivo. 

A base gerada foi coletada durante 5 dias, onde cada dia possui uma amostragem de 300 dados na região de São Paulo, e foram coletadas mais ou menos no mesmo horário, ou seja, na hora do almoço. O objetivo é entender o perfil de consumo das pessoas no Ifood e se há uma variação de acordo com o dia(Tempo de preparação, tipo de comida, tempo de entrega e etc.).

Primeiro vamos fazer o consumo com a API do Ifood, conforme os códigos abaixo:

Ao analisar o Merchants, eu seleciono todas as informações que desejo trabalhar e depois coloco todas em uma lista chamada df_ifood. E no final conferimos as 5 primeiras linhas com a função .head()

Conferimos se os dados estão no formato certo.

Abaixo é o resultado final para consumir os dados da API. Lógico, que aqui estou mostrando somente uma parte. Lendo a documentação da API do Ifood você vai perceber outras análises e extrações que podem ser feitas na API, sugiro você ir lá dar uma olhada.

Agora vou acrescentar a coluna de estado, e a coluna datas de acordo com o dia, mês, ano e hora que os dados foram carregados.

Vamos agora criar mais 3 colunas, dividindo a coluna data em Ano, Mês e Dia.

Abaixo vamos salvar as amostragens na pasta e com o nome do dia , mês e ano que o arquivo está sendo salvo.

Abaixo carregamos as planilhas realizadas através desse consumo de api do Ifood e vamos concatenar todas as 5 planilhas, já que possuem as mesmas colunas.  E depois pegar as primeiras 5 linhas e as informações para analisar se os dados carregaram de forma correta.

Vamos dividir a coluna data em Ano, mês e dia e analisar a correlação entre as colunas com o heatmap do seaborn. E percebemos  que há bem poucas correlações fortes no dataset, informação útil caso você vá criar modelos preditivos.

Agora com os dados prontos exploraremos para saber quais insights podemos retirar. Começaremos buscando saber quais as categorias tem a maior média de tempo na preparação e entrega.

Na quantidade pedida por categoria de acordo com o dia percebemos que há uma forte predominância de pedidos na categoria Brasileira. Seguida da categoria lanches e Japonesa.

Agora vamos fazer um gráfico para ver as 10 maiores categorias pedidas em cada dia da semana e comparar entre elas.

Vamos fazer uma contagem nos dados em geral por categoria para realmente confirmar que as categorias Brasileiras, Lanches e Japonesas são os maiores pedidos.