灵感来源：在疫情期间，我们大部分时间都在家中度过，烹饪也因此成为居家生活的核心部分。因此在这个项目中，我收集了自己的日常饮食数据，通过分析来探究不同的餐饮因素如何影响我的用餐体验，并希望能找出最能给我带来满足感的饮食组合。
技能掌握：Javascript
数据属性：
1. 时间（2021年1月9日至2021年4月4日）
2. 用餐类型（早餐、午餐、晚餐及零食）
3. 餐食价格（0-200美元）
4. 餐饮类别（美式餐点、中式餐点及其他餐点）
5. 主要风味（咸、辣、甜、酸、苦）
6. 餐食热量（0—2000千卡）
7. 膳食含糖量（0克—200克）
8. 膳食蛋白质含量（0克—200克）
9. 饱腹等级（0至6级）：0级表示非常饥饿；3级表示不饿；6级表示非常饱
10. 美味程度（0至6级）：0级表示非常难吃；3级表示味道尚可；6级表示极其美味
数据搜集中遇到的挑战：
有时我无法获取某餐的详细卡路里数据，因此会借助WebMD网站的NOURISH功能来估算近似数值。至于主要风味属性，当遇到食物同时具有多重特征（例如辛辣与咸味交织，或咸味与酸味并存）时，我会依据用餐时的实际感受来确定主导风味。
另一个技术难点在于将JSON格式的数据提取并呈现在HTML页面上。根据JSON规范，数据格式应严格遵循带引号的格式（如："main_flavor": "salt"），但HTML页面上却显示为不带引号的格式（main_flavor: salt）。因此我需要逐条检查数据，手动添加双引号以符合JSON语法规范，最后再将修正后的数据录入到data.json文件中。
研究发现：
从可视化图表中可以看出，一些面积较大（表示餐食价格较高）且颜色较深（表示美味程度较高）的数据点，更多地分布在y轴刻度的高值区域（即热量较高）。这一发现符合我的假设：热量较高的餐食通常价格更高，同时也能给我带来更高的用餐满足感。
结论:
我认为自己对餐食的满意度确实受到价格的影响，这份可视化图表也充分支持了我的假设。我通常倾向于选择餐厅中价格较高的餐品，且每次都会想尝试多种餐食，因此这些选择往往同时具备高价格和高热量的特征。另一方面，由于我的烹饪技巧有限，对自己制作的食物满意度普遍较低——换言之，在低价餐食中我难以获得较高的满足感。
图表还清晰显示了我对辛辣食物的明显偏好：辣味区域集中了大量颜色深沉（代表美味程度较高）的数据点。相反，在酸味区域则仅有少数颜色较浅（美味程度较低）的数据点分布，这说明我对酸味食物的喜爱程度确实有限。
更多详细内容