一、數(shù)據(jù)來源

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。