数据分析实战1——小费数据的数据分析

苏俗

已于 2024-02-14 00:05:00 修改

阅读量2.1k

点赞数 22

CC 4.0 BY-SA版权

分类专栏： python数据处理与分析实战文章标签：数据分析数据挖掘

于 2024-02-14 00:02:08 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_73994643/article/details/136110542

本文介绍了使用Pythonpandas对小费数据进行初步分析，包括数据加载、描述性统计、列名修改、计算人均消费、性别消费差异、时段分析等。随后，对随机修改后的数据进行了预处理，涉及缺失值处理、异常值修正和业务管理建议。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.对原始小费数据初步分析

（1）加载数据

import numpy as np

import pandas as pd

fdata=pd.read_excel('./tips.xls')

display(fdata)

运行结果如下：

（2）分析数据

a.查看数据的描述信息。

fdata.describe()

运行结果如下：

b.修改列名为汉字，并显示前5行数据。

#修改列名为汉字。

fdata.rename(columns=({'total_bill':'消费总额','tip':'小费','sex':'性别','smoker':'是否抽烟','day':'星期','time':'聚餐时间段','size':'人数'}),inplace=True)
display(fdata.head())

运行结果如下：

c.增加一列“人均消费”,并显示前5行数据。

fdata['人均消费']=round(fdata['消费总额']/fdata['人数'],2)

display(fdata.head())

运行结果如下：

d.查询查询男性午餐人均消费大于10的数据。

# 方法1：

maledata=fdata[(fdata['性别']=='Male')&(fdata['聚餐时间段']==

最低0.47元/天解锁文章

200万优质内容无限畅学