1.导入模块

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']  #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False    #用来正常显示负号
%matplotlib inline

2.获取数据

fdata=pd.read_excel("F:/专业课程作业/python时空数据分析与可视化/tips.xls")
fdata.head()

3.分析数据

# (1)查看数据的描述信息
fdata.describe()

# (2)修改列名为汉字,并显示前5行
fdata.rename(columns={"total_bill":"消费总额","tip":"小费","sex":"性别","smoker":"是否吸烟",\
"day":"星期","time":"聚餐时间段","size":"人数"},inplace=True)
fdata.head()        

# (3)求人均消费
fdata['人均消费']=round(fdata['消费总额']/fdata['人数'],2)
fdata.head()

# (4)查询吸烟男性中人均消费大于15的数据
# 方法1
fdata[(fdata['是否吸烟']=='Yes')&(fdata['性别']=='Male')&(fdata['人均消费']>15)]
# 方法2
fdata[(fdata.是否吸烟=='Yes')&(fdata.性别=='Male')&(fdata.人均消费>15)]
# 方法3
fdata.query("是否吸烟=='Yes'&性别=='Male'&人均消费>15")

# (5)分析小费总额与消费总额的关系
fdata.plot(kind='scatter',x='小费',y='消费总额')

# (6)分析男性顾客和女性顾客谁更慷慨
fdata.groupby(['性别'])['小费'].mean()

# (7)分析星期和消费的关系
# 显示星期的取值
print(fdata['星期'].unique())
r=fdata.groupby(['星期'])['小费'].mean()
fig=r.plot(kind="bar",x='星期',y='小费',fontsize=12,rot=30)
fig.axes.title.set_size(16)

# (8)性别+吸烟的组合对慷慨度的影响
s=fdata.groupby(['性别','是否吸烟'])['小费'].mean()
s.plot(kind='bar',x=['性别','是否吸烟'],y='小费',rot=30)

# (9)分析聚餐时间段与小费数额的关系
f=fdata.groupby(['聚餐时间段'])['小费'].mean()
f.plot(kind="barh",x='聚餐时间段',y='小费')

python数据分析与可视化——第四章实训相关推荐

  1. 【Python数据分析与可视化】Pandas统计分析-实训

    [Python数据分析与可视化]Pandas统计分析-实训 文章目录 [Python数据分析与可视化]Pandas统计分析-实训 导包 读取数据 分析数据 1.查看数据的描述和统计信息: 2.修改列名 ...

  2. python数据分析与应用第五章实训 2_第五章实训(二)

    I/O 输入输出 2 : 1 . 使用字符流 BufferedReader 类,将一个文本文件 Test6_1.txt 的内容按行 读出,每读出一行就顺序添加行号,并写入到另一个文件 Test6_2 ...

  3. 【Python学习】 - 超详细的零基础Pandas学习(附Python数据分析与应用课本第四章实训答案)

    (博文体系参考:<Python数据分析与应用>课本) 任务数据如下: 读入csv文件时,encoding必须是正确的,常用的编码格式有:UTF-8 , UTF-16 , GBK , GB2 ...

  4. python数据分析与应用第四章课后实训答案_应用回归分析,第4章课后习题参考答案...

    1 第 4 章 违背基本假设的情况 思考与练习参考答案 4.1 试举例说明产生异方差的原因. 答:例 4.1 :截面资料下研究居民家庭的储蓄行为 Y i =  0 +  1 X i + ε i 其 ...

  5. python数据分析与应用第四章课后实训答案_应用回归分析-第4章课后习题参考答案....

    第 4 章 违背基本假设的情况 思考与练习参考答案 4.1 试举例说明产生异方差的原因. 答:例 4.1 :截面资料下研究居民家庭的储蓄行为 Y i =  0 +  1 X i + ε i 其中: ...

  6. python数据分析与可视化清华大学_【官方正版】 Python数据分析与可视化 微课视频版 清华大学出版社 魏伟一 李晓红 软件工具 程序设计...

    第1章数据分析与可视化概述 1.1数据分析 1.2数据可视化 1.3数据分析与可视化常用工具 1.4为何选用Python进行数据分析与可视化 1.5Python数据分析与可视化常用类库 1.6Jupy ...

  7. python数据分析与人工智能_正版 Python数据分析与可视化 微课视频版 魏伟一 李晓红 大数据与人工智能技术丛书 程序源码...

    第1章数据分析与可视化概述 1.1数据分析 1.2数据可视化 1.3数据分析与可视化常用工具 1.4为何选用Python进行数据分析与可视化 1.5Python数据分析与可视化常用类库 1.6Jupy ...

  8. python数据分析与可视化【一】python基础实例

    用python做数据分析与可视化(一) python编程基础 这一块前面我写过博客,奉上链接:python基础 这篇就来看看几个小实例 后面有python很基础的知识点和例子 后面数据分析能用上 下一 ...

  9. python数据分析可视化实例-Python数据分析与可视化从入门到精通

    (1)没有高深理论,每章都以实例为主,读者参考书中源码运行,就能得到与书中一样的结果.(2)专注于Python数据分析与可视化操作中实际用到的技术.相比大而全的书籍资料,本书能让读者尽快上手,开始项目 ...

最新文章

  1. opengl 深度详解_一步步学OpenGL(1) -《打开一个窗口》
  2. 平民软件OneProxy的强大
  3. 图文并茂,傻瓜都能看懂的 JVM 内存布局
  4. 成为Web开发大师你必须知道的7件事情
  5. delphi 的一些备忘
  6. Linux工作笔记-使用alias简化Linux命令(包含.bash和.cshrc)
  7. 【lucene】Lucene 自定义 Parser
  8. 类似select下拉选择框同时又支持手动输入的元素 datalist 介绍。
  9. [NOIP2013 普及组 T1] 计数问题
  10. MR:一:什么是MR混合现实技术?
  11. dsp和通用计算机的区别,汽车dsp和功放区别
  12. ApiPost是什么?
  13. 计算机认知训练效果,为轻度认知功能障碍的人保持认知功能而进行的计算机化认知训练...
  14. php中date设置北京时区,PHP中设置时区方法小结
  15. NameError: name ‘XXX‘ is not defined
  16. 【Leetcode】1833. 雪糕的最大数量
  17. oracle 存储过程误删,Oracle中怎么恢复被删掉的存储过程
  18. 2022年ISO27001资质认证补贴政策汇总
  19. kubeadm Networking.PodSubnet
  20. 小米投的力玄运动冲刺上交所:拟募资20亿 吴银昌家族色彩浓厚

热门文章

  1. leetcode算法之二分查找
  2. 函数返回数组指针的几种方法
  3. Java –将整数转换为字符串
  4. JSP include指令与动作的 相应时间对比
  5. 虚拟机重启后再次重启nginx: [error] open() “/var/run/nginx/nginx.pid“ failed (2: No such file or directory)
  6. 理解 decltype关键字
  7. 新传工作运用计算机吗,广播电视中计算机技术的运用
  8. java中的Signature
  9. 如何计算算法的复杂度
  10. 微信开发中引起的跨域问题