一、数据来源

本节选用的是Python的第三方库seaborn自带的数据集，该小费数据集为餐饮行业收集的数据，其中total_bill为消费总金额、tip为小费金额、sex为顾客性别、smoker为顾客是否吸烟、day为消费的星期、time为聚餐的时间段、size为聚餐人数。

import numpy as npfrom pandas import Series,DataFrameimport pandas as pdimport seaborn as sns #导入seaborn库tips=sns.load_dataset('tips')#seaborn库自带的数据集tips.head()


二、问题探索

一、小费金额与消费总金额是否存在相关性？

二、性别、是否吸烟、星期几、聚餐人数和小费金额是否有一定的关联？

三、小费金额占小费总金额的百分比是否服从正态分布？

三、数据清洗

tips.shape #数据集的维度

(244，7)

共有244条数据，7列。

tips.describe() #描述统计


描述统计结果如上所示。

tips.info() #查看缺失值信息


此例无缺失值。

四、数据探索

tips.plot(kind='scatter',x='total_bill',y='tip') #绘制散点图

由图可看出，小费金额与消费总金额存在正相关性。

male_tip = tips[tips['sex'] == 'Male']['tip'].mean() #男性平均消费金额male_tip
3.0896178343949052
female_tip = tips[tips['sex'] == 'Female']['tip'].mean() #女性平均消费金额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') #男女平均小费柱状图


由图可看出，女性小费金额小于男性小费金额。

tips['day'].unique() #日期的唯一值
[Sun, Sat, Thur, Fri]
Categories (4, object): [Sun, Sat, Thur, Fri]
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()#各个日期的平均小费值s = Series([thur_tip,fri_tip,sat_tip,sun_tip],index=['Thur','Fri','Sat','Sun'])s

s.plot(kind='bar') #日期平均小费柱状图

由图可看出，周六、周日的小费比周四、周五的小费高。

tips['percent_tip'] = tips['tip']/(tips['total_bill']+tips['tip'])tips.head(10) #小费所占百分比

tips['percent_tip'].hist(bins=50)#小费百分比直方图

由图可看出，小费金额占小费总金额的百分比基本服从正态分布。