此专栏的python数据分析使用的工具是jupyter notebook软件，使用起来相对于pycharm更加直观和清晰。当然这些代码在pycharm中也是可以运行的。
小费数据下载：
1. 数据分析流程
2. 数据来源
小费数据来源于Python第三方库seaborn（用于绘图）中自带的数据，加载该数据集。如果没有的话，可以点击文章最上方链接自行下载(免费下载）。
# 导入相关库
import numpy as np
from pandas import Series,DataFrame
import pandas as pd# 读取小费数据集
tips= pd.read_csv(open('tips.csv'))
tips.head()
该小费数据为餐饮行业收集的数据。total_bill列为消费总金额；tip为小费金额；sex列为顾客性别；smoker列为顾客是都吸烟；day列为消费的星期；time列为聚餐的时间段；size列为聚餐人数。
3. 定义问题
本次分析中，围绕小费数据集提出几个问题：小费金额与消费总额是否存在相关性？性别、是否吸烟、星期几、中/晚餐、聚餐人数和小费金额是否有一定的关联？小费金额占小费总金额的百分比服从正态分布？
4. 数据清洗和处理
查看数据情况：通过结果可以看出，总共有244条数据，通过统计值暂时看不出是否有缺失值。
# 描述性统计
tips.shape
描述性统计：首先对数据进行简单的描述，看是否有缺失值或者异常值。
tips.describe()
打印数据：通过打印数据info信息可以看出每列数据的类型和缺失值，本例中的消费数据集没有缺失值。
tips.info()
5. 数据探索
# 小费金额与消费总额散点图
tips.plot(kind='scatter',x='total_bill',y='tip')
# 男性平均小费金额
male_tip = tips[tips['sex'] == 'Male']['tip'].mean()
male_tip
>>> 3.0896178343949052# 女性平均消费金额
female_tip = tips[tips['sex'] == 'Female']['tip'].mean()
female_tip
>>> 2.833448275862069# 合成列表
s = Series([male_tip,female_tip],index=['male','female'])
s
# 男女平均小费柱状图
s.plot(kind='bar')
其它字段与小费的关系也是类似的方法。例如，日期与小费的关系。
# 日期唯一值
tips['day'].unique()
>>> array(['Sun', 'Sat', 'Thur', 'Fri'], dtype=object)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()
s = Series([thur_tip,fri_tip,sat_tip,sun_tip],index=['Thur','Fri','Sat','Sun'])
s
# 日期平均小费柱状图
s.plot(kind='bar')
从图中可以看出，周末的小费比周四周五的消费高。
# 小费百分比
tips['percent_tip'] = tips['tip']/(tips['total_bill']+tips['tip'])
tips.head(10)
# 小费百分比直方图
tips['percent_tip'].hist(bins=50)
6. 分析结果总结
- 小费金额与消费总金额存在着正相关的关系，即消费的金额越多，给的小费也就越多，这是比较合理的。
- 女性小费金额少于男性小费金额。
- 周末的小费比周四周五的消费高。
- 小费数据集基本符合正态分布，但也有几个异常点。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
