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.
来源: http://www.jianshu.com/p/40bec0c01e61