Python日記vol.24🐍お茶の香りの主成分分析×クラスタリングで好みのお茶に出会う(パロディ🍵)
こんにちは。aliceです。
スタバでよく飲むのはジョイフルメドレーです🍵
クリスマスあたりに「華やかな香りの烏龍茶ですよ」とおすすめされてから、よく飲んでいます。
よくみたら紅茶でした。
今日はお茶の香りの主成分分析×クラスタリングの結果をもとにルピシアにお茶を買いに行った話です。
久しぶりのルピシア、楽しかったー🥰
たくさんのお茶が並んでいるのをみるとテンションがあがりますね💖
主成分分析の結果は前回のnoteをどうぞ。
クラスタリング
クラスタ数を決める
まずはクラスタ数を決めましょう。
結果をグラフにします。
2つくらいがいい感じですね。
もっと多かったら楽しかったのに、ちょっと寂しい。
クラスタリングをしてみる
クラスタ数が決まったところで、クラスタリングをします。
Dataframeにクラスタリングの追加します。
9個と11個にわけたらしいです。
へぇ。
クラスタを比較してみる
せっかくなので比較してみます。
平均値の比較。
cluster0は花の香り、果物の香り、清涼感、甘味の平均が高いですね。
聞いただけでフローラルな感じがします。
cluster1はコクとか渋みのあるグループですね。
日本茶感たっぷり🍵
あぁ、日本人で良かった。
クラスタごとに平均点を棒グラフにしてみます。
香ばしい香り、発酵の香り、渋み、苦みが違いそうですね。
特徴量ごとのグラフも作ってみましたよ。
主成分分析×クラスタリング
主成分分析とクラスタリングの結果をあわせてみます。
主成分分析の結果もDataFrameに追加します。
第一主成分の「すっきり」を横軸、第二主成分の「焙煎度」を縦軸にクラスタリングの結果を散布図にします。
ほぼほぼ予想どおりな結果。
私、ここら辺のお茶が好きなんですよ。
何の制限もなかったら、8割くらいこのグループから選んでいる気がする。
このグループのストレートティーかフレーバーがついているのが好みです。
よくわからないけど、私の好みを言語化してくれてありがとう😌
Let’s go ルピシア☕
ということで、好きなお茶の種類を言語化できたので、お茶を買いに行きます!
Let’s go ルピシア☕
いつもは自分で選んでいますが、今回は店員さんに聞いてみます。
「紅茶を探しているんですけど、軽めでアールグレイとか花のフレーバーが好きです。重い感じがしたり、花系のハーブティーはどちらかというと苦手です。」
自分へのプレゼントを選んでもらっているようで嬉しかったです🐼
そうしたら、アールグレイをすすめられました。
いやぁ、良い香りだったんですけどね。
家にたくさんあるのですよ、アールグレイ。
大好きなので。
ということで、他のお茶をリクエスト。
そうしたらこちらをすすめてもらいました。
「ホワイトサングリア」
飲んでみたのですが、本当に華やかな感じがしてすごく好きなフレーバーでした。
気に入ったので職場でも飲んでいます。
好きなお茶を飲みながら仕事ができるというのはものすごく幸せです✨
なんといっても、選ぶお茶がほとんど自分の好みで、ストックに好きなお茶しかないって幸福度が高いなーと思いました。
よくわからないけど、すごく満足です。
サンプルでいただいた白桃烏龍もおいしかったです🍵
すぐに絶対すきなお茶だ!とわかりました。
という話を今日も白湯を飲みながら書きました。
二日酔いには白湯ですね。
うぅぅ。
この記事が気に入ったらサポートをしてみませんか?