一、數(shù)據(jù)來源

創(chuàng)新互聯(lián)是一家專業(yè)提供沂水企業(yè)網(wǎng)站建設(shè),專注與成都網(wǎng)站制作、成都網(wǎng)站設(shè)計(jì)、H5響應(yīng)式網(wǎng)站、小程序制作等業(yè)務(wù)。10年已為沂水眾多企業(yè)、政府機(jī)構(gòu)等服務(wù)。創(chuàng)新互聯(lián)專業(yè)網(wǎng)絡(luò)公司優(yōu)惠進(jìn)行中。

本節(jié)選用的是Python的第三方庫seaborn自帶的數(shù)據(jù)集，該小費(fèi)數(shù)據(jù)集為餐飲行業(yè)收集的數(shù)據(jù)，其中total_bill為消費(fèi)總金額、tip為小費(fèi)金額、sex為顧客性別、smoker為顧客是否吸煙、day為消費(fèi)的星期、time為聚餐的時(shí)間段、size為聚餐人數(shù)。

 
 
 

  
  
  
import numpy as np
  
  
  
from pandas import Series,DataFrame
  
  
  
import pandas as pd
  
  
  
import seaborn as sns    #導(dǎo)入seaborn庫
  
  
  
tips=sns.load_dataset('tips')  #seaborn庫自帶的數(shù)據(jù)集
  
  
  
tips.head()
 
 
 

二、問題探索

• 小費(fèi)金額與消費(fèi)總金額是否存在相關(guān)性?
• 性別、是否吸煙、星期幾、聚餐人數(shù)和小費(fèi)金額是否有一定的關(guān)聯(lián)?
• 小費(fèi)金額占小費(fèi)總金額的百分比是否服從正態(tài)分布?

三、數(shù)據(jù)清洗

 
 
 

  
  
  
tips.shape #數(shù)據(jù)集的維度
 
 
 

(244，7)

共有244條數(shù)據(jù)，7列。

 
 
 

  
  
  
tips.describe() #描述統(tǒng)計(jì)
 
 
 

描述統(tǒng)計(jì)結(jié)果如上所示。

 
 
 

  
  
  
tips.info() #查看缺失值信息
 
 
 

此例無缺失值。

四、數(shù)據(jù)探索

 
 
 

  
  
  
tips.plot(kind='scatter',x='total_bill',y='tip') #繪制散點(diǎn)圖
 
 
 

由圖可看出，小費(fèi)金額與消費(fèi)總金額存在正相關(guān)性。

 
 
 

  
  
  
import numpy as np
  
  
  
from pandas import Series,DataFrame
  
  
  
import pandas as pd
  
  
  
import seaborn as sns   #導(dǎo)入seaborn庫
  
  
  
tips=sns.load_dataset('tips')#seaborn庫自帶的數(shù)據(jù)集
  
  
  
tips.head()
 
 
 

3.0896178343949052

 
 
 

  
  
  
female_tip = tips[tips['sex'] == 'Female']['tip'].mean() #女性平均消費(fèi)金額female_tip
 
 
 

2.833448275862069

 
 
 

  
  
  
s = Series([male_tip,female_tip],index=['male','female'])
  
  
  
s
 
 
 

male 3.089618

female 2.833448

dtype: float64

 
 
 

  
  
  
s.plot(kind='bar') #男女平均小費(fèi)柱狀圖
 
 
 

由圖可看出，女性小費(fèi)金額小于男性小費(fèi)金額。

 
 
 

  
  
  
sun_tip = tips[tips['day'] == 'Sun']['tip'].mean()
  
  
  
sat_tip = tips[tips['day'] == 'Sat']['tip'].mean()
  
  
  
thur_tip = tips[tips['day'] == 'Thur']['tip'].mean()
  
  
  
fri_tip = tips[tips['day'] == 'Fri']['tip'].mean()#各個(gè)日期的平均小費(fèi)值
  
  
  
s = Series([thur_tip,fri_tip,sat_tip,sun_tip],index=['Thur','Fri','Sat','Sun'])
  
  
  
s
 
 
 

 
 
 

  
  
  
s.plot(kind='bar') #日期平均小費(fèi)柱狀圖
 
 
 

由圖可看出，周六、周日的小費(fèi)比周四、周五的小費(fèi)高。

 
 
 

  
  
  
tips['percent_tip'] = tips['tip']/(tips['total_bill']+tips['tip'])
  
  
  
tips.head(10) #小費(fèi)所占百分比
 
 
 

 
 
 

  
  
  
tips['percent_tip'].hist(bins=50)#小費(fèi)百分比直方圖
 
 
 

由圖可看出，小費(fèi)金額占小費(fèi)總金額的百分比基本服從正態(tài)分布。

網(wǎng)頁題目：Python數(shù)據(jù)分析實(shí)戰(zhàn)，小費(fèi)數(shù)據(jù)集應(yīng)用
當(dāng)前鏈接：http://uogjgqi.cn/article/djphieh.html