【Python数据分析与可视化】Pandas统计分析-实训_用pandas完成以下操作:(2)查看数据的描述信息(3)分析男性顾客和女性顾客谁更慷慨

【Python数据分析与可视化】Pandas统计分析-实训

导包

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']#显示中文标签
plt.rcParams['axes.unicode_minus']=False #显示负号
%matplotlib inline
1
2
3
4
5

读取数据

f1=pd.read_excel('tips.xls')
f1.head()
1
2

分析数据

1、查看数据的描述和统计信息；

f1.describe()
1

2、修改列名为汉字，并显示前5行数据；

f1.columns =['总金额','小费金额','性别','吸烟','星期','时间','人数']
f1.head()
1
2

3、计算人均消费；

f1['人均消费']=round(f1['总金额']/f1['人数'],2)
f1.head()
1
2

4、查询吸烟男性中人均消费大于15的数据；

# f1[ (f1['吸烟']=='Yes') & (f1['性别']=='Male') & (f1['总金额']> 15) ]
f1.query( '吸烟=="Yes" & 性别=="Male" & 总金额>15').head()
1
2

5、分析小费金额和消费金额的关系；

f1.plot.scatter(x='总金额', y='小费金额', color='DarkBlue', label='小费金额与总金额的关系')
1

6、分析男性顾客和女性顾客谁更慷慨；

average_tip  = f1.groupby('性别')['小费金额'].mean()
average_tip.plot.bar()
1
2

7、分析星期和小费数额的关系；

average_tip  = f1.groupby('星期')['小费金额'].mean()
average_tip.plot.bar()
1
2

​

8、性别+吸烟的组合对慷慨度的影响；

# 构建慷慨度指标
f1['慷慨度']=f1['小费金额']/(f1['总金额']+f1['小费金额'])
r=f1.groupby(['性别','吸烟'])['慷慨度'].mean()
r.plot(kind='bar',x=['性别','吸烟'],y='慷慨度')
1
2
3
4

​

9、分析聚餐时间与小费数额的关系；

time = f1.groupby('时间')['小费金额'].mean()
time.plot.bar()
1
2

​