小费&消费&pandas可视化

小费数据集来源python第三方库seaborn中自带数据；
一：数据导入
import numpy as np
from pandas import Series,DataFrame
import pandas as pd
import seaborn as sns  #导入seaborn库中自带数据

In [6]:

tips = sns.load_dataset('tips')
tips.head()

Out[6]:

	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

In [7]:

二：定义问题：

三：数据清洗：

tips.shape#查看数据集的大小

Out[7]:

(244, 7)

In [8]:

tips.describe()#查看数据集中各属性

Out[8]:

	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

In [9]:

tips.info()#查看数据集是否有缺失值

RangeIndex: 244 entries, 0 to 243
Data columns (total 7 columns):
total_bill    244 non-null float64
tip           244 non-null float64
sex           244 non-null category
smoker        244 non-null category
day           244 non-null category
time          244 non-null category
size          244 non-null int64
dtypes: category(4), float64(2), int64(1)
memory usage: 7.2 KB

In [10]:

四：数据探索：

#散点图用来表示数据之间的规律 通过plot函数的kind = 'scatter'可进行绘制；
tips.plot(kind = 'scatter',x = 'total_bill',y = 'tip')
#小费金额与消费总额进行分析，看看之间的关联(绘制散点图)

Out[10]:

In [42]:

#线性图
#线性图用于绘制两组数据之间的趋势；plot()方法
tips.plot(x = 'total_bill',y = 'tip')

Out[42]:

In [11]:

#以下代码为性别与小费关系(使用柱状图) 
#首先通过sex属性名计算不通属性值的平均值
male_tip = tips[tips['sex'] == 'Male']['tip'].mean()
male_tip

Out[11]:

3.0896178343949052

In [14]:

female_tip = tips[tips['sex'] == 'Female']['tip'].mean()
female_tip

Out[14]:

2.833448275862069

In [15]:

#Series 是一个一维数组对象 ，它包含一组索引和一组数据，可以把它理解为一组带索引的数组。
s = Series([male_tip,female_tip],index=['male','female'])
s

Out[15]:

male      3.089618
female    2.833448
dtype: float64

In [16]:

#柱状图
#通过plot函数的kind = 'bar'可进行绘制
s.plot(kind='bar')

Out[16]:

 

In [40]:

#水平柱状图(类别较多情况)
#通过plot函数的kind = 'barh'可进行绘制
s.plot(kind='barh')

Out[40]:

In [41]:

#堆积柱状图(类别较多情况)
#通过plot函数的kind = 'barh'可进行绘制再加stacked参数设置
s.plot(kind='barh',stacked=True,alpha=0.5)

Out[41]:

In [39]:

#通过unique函数查看属性列下的唯一值
#查看日期的唯一值
tips['day'].unique()

Out[39]:

[Sun, Sat, Thur, Fri]
Categories (4, object): [Sun, Sat, Thur, Fri]

In [24]:

#以下为日期平均小费柱状图构成
Sun_tip = tips[tips['day'] == 'Sun']['tip'].mean()
Sun_tip

Out[24]:

3.255131578947369

In [27]:

Sat_tip = tips[tips['day'] == 'Sat']['tip'].mean()
Sat_tip

Out[27]:

2.993103448275862

In [26]:

Thur_tip = tips[tips['day'] == 'Thur']['tip'].mean()
Thur_tip

Out[26]:

2.771451612903226

In [25]:

Fri_tip = tips[tips['day'] == 'Fri']['tip'].mean()
Fri_tip

Out[25]:

2.734736842105263

In [30]:

day_tip = Series([Sun,Sat,Thur,Fri],index=['Sun_tip','Sat_tip','Thur_tip','Fri_tip'])
day_tip

Out[30]:

Sun_tip     3.255132
Sat_tip     2.993103
Thur_tip    2.771452
Fri_tip     2.734737
dtype: float64

In [31]:

day_tip.plot(kind='bar')

Out[31]:

In [32]:

#小费百分比6
tips['percent_tip'] = tips['tip']/(tips['total_bill']+tips['tip'])
tips.head(8)

Out[32]:

	total_bill	tip	sex	smoker	day	time	size	percent_tip
0	16.99	1.01	Female	No	Sun	Dinner	2	0.056111
1	10.34	1.66	Male	No	Sun	Dinner	3	0.138333
2	21.01	3.50	Male	No	Sun	Dinner	3	0.142799
3	23.68	3.31	Male	No	Sun	Dinner	2	0.122638
4	24.59	3.61	Female	No	Sun	Dinner	4	0.128014
5	25.29	4.71	Male	No	Sun	Dinner	4	0.157000
6	8.77	2.00	Male	No	Sun	Dinner	2	0.185701
7	26.88	3.12	Male	No	Sun	Dinner	4	0.104000

In [33]:

#密度图
#核密度估计(将数据的分布近似为一组核)(正态分布)
tips['percent_tip'].plot(kind='kde')
#通过plot函数的kind='kde'可进行绘制；

Out[33]:

In [38]:

#直方图
#直方图可用于频率分布，y轴可为数值或者比率(可以看出大概分布规律)
#通过hist方法绘制直方图(bin参数将值分为多少段默认为10，grid参数可图表中添加网格)
tips['tip'].hist(bins=10,grid=False)

Out[38]: