Pandas实例 - 小费数据集

环境：Win10 + Cmder + Python3.6.5

数据来源

  小费数据来源于Python第三方库seaborn自带的数据，加载数据集：

>>> import numpy as np
>>> from pandas import Series, DataFrame
>>> import pandas as pd
>>> import matplotlib.pyplot as plt
>>> import seaborn as sns
>>> tips = sns.load_dataset('tips')
>>> tips.head()
Out:
  total_bill   tip     sex smoker  day    time  size
0       16.99  1.01  Female     No  Sun  Dinner     2
1       10.34  1.66    Male     No  Sun  Dinner     3
2       21.01  3.50    Male     No  Sun  Dinner     3
3       23.68  3.31    Male     No  Sun  Dinner     2
4       24.59  3.61  Female     No  Sun  Dinner     4

  total_bill为总消费金额，tip为小费，sex为顾客性别，smoker为顾客是否抽烟，day列为消费的星期，time列为聚餐的时间段，size为聚餐人数。

数据清洗

  查看是否有缺失值或者异常值，如下：

>>> tips.shape
Out: (244, 7)
>>> tips.describe()
Out: 
      total_bill         tip        size
count  244.000000  244.000000  244.000000
mean    19.785943    2.998279    2.569672
std      8.902412    1.383638    0.951100
min      3.070000    1.000000    1.000000
25%     13.347500    2.000000    2.000000
50%     17.795000    2.900000    2.000000
75%     24.127500    3.562500    3.000000
max     50.810000   10.000000    6.000000
>>> tips.info()
Out:
<bound method DataFrame.info of      total_bill   tip     sex smoker   day    time
size
0         16.99  1.01  Female     No   Sun  Dinner     2
1         10.34  1.66    Male     No   Sun  Dinner     3
2         21.01  3.50    Male     No   Sun  Dinner     3
3         23.68  3.31    Male     No   Sun  Dinner     2
4         24.59  3.61  Female     No   Sun  Dinner     4
5         25.29  4.71    Male     No   Sun  Dinner     4
6          8.77  2.00    Male     No   Sun  Dinner     2
7         26.88  3.12    Male     No   Sun  Dinner     4
8         15.04  1.96    Male     No   Sun  Dinner     2
9         14.78  3.23    Male     No   Sun  Dinner     2
10        10.27  1.71    Male     No   Sun  Dinner     2
...... # 省略

  通过结果可以看出，共244条数据且暂时看不出是否存在缺失值。

数据探索

  1. 消费金额与消费总金额关联性

  绘制散点图如下：

>>>  plt.show(tips.plot(kind='scatter', x='total_bill', y='tip'))

  可以看出，小费金额与消费总金额存在正相关性，即消费的金额越多，给的小费也就越多。

  2. 顾客性别与小费金额的关联性

  绘制柱状图如下：

>>> male_tip = tips[tips['sex']=='Male']['tip'].mean()
>>> female_tip =  tips[tips['sex']=='Female']['tip'].mean()
>>> s = Series([male_tip, female_tip], index=['male', 'female'])
>>> plt.show(s.plot(kind='bar'))

  可以看出，男性更倾向于给小费。

  3. 日期平均小费
  绘制柱状图如下：

>>>  thur_tip = tips[tips['day'] == 'Thur']['tip'].mean()
>>>  fri_tip = tips[tips['day'] == 'Fri']['tip'].mean()
>>>  sat_tip = tips[tips['day'] == 'Sat']['tip'].mean()
>>>  sun_tip = tips[tips['day'] == 'Sun']['tip'].mean()
>>>  Series([thur_tip, fri_tip, sat_tip, sun_tip], index=['Thur', 'Fri', 'Sat','Sun']).plot(kind='bar')
>>> plt.show()

  可以看出，周六、周日的小费比周四、周五高。这与人们的生活习惯有关。

  4. 顾客吸烟与否与小费的关联性

  绘制柱状图下：

>>>  plt.show(tips['smoker'].value_counts().plot(kind='barh'))

  可以看出，不抽烟的人可能更倾向给小费，这与人们的性格，经济情况等都有关系。

  5.聚餐人数与总消费金额的关系

  绘制条形图如下：

>>> plt.show(tips.plot(x='size', y='total_bill'))

  可以看出，消费金额与聚餐人数呈正相关。

  6.小费百分比

  绘制小费百分比直方图如下：

>>> plt.show(tips['percent_tip'].hist(bins=20, grid=False))

  可以看出，基本上符合正太分布，但也有几个异常点。再来看看密度图（正态分布），如下：

>>> plt.show(tips['percent_tip'].plot(kind='kde'))

  上述实例对小费数据 集做了简单的数据分析和可视化，也指出了数据分析的一般流程，希望对你有所帮助。