Python与机器学习（第2版）（微课版） 课件 2-08-应用拓展：用餐数据复杂分析.pptx

项目背景|项目概述|学习目标|任务实施步骤拓展实训用餐数据复杂分析【数据挖掘应用】课程负责人：陈清华01101111011010111101010000101101010100111101

熟练使用Pandas从本地文件读取数据；熟练使用Pandas对数据进行多维度数据分析；熟练使用Matplotlib工具包展现数据分析结果。技能学习目标

项目总体要求原始数据1、分组分析：groupby()2、分布分析：cut()3、交叉分析：pivot_table()、crosstab()4、结构分析：pivot_table()、div()5、相关分析：corr()数据分析方法

一、分组分析xb=df.groupby([sex])[total_bill].mean()xb.plot(kind=bar)importpandasaspdimportmatplotlib.pyplotaspltdf=pd.read_csv(tips.csv,index_col=0)df=df.fillna(0)df.head()基于性别的账单平均金额分组对比分析

二、结构分析re=df.groupby(day)[tip].count()re=re.div(re.sum())re.plot(kind=pie)importpandasaspdimportmatplotlib.pyplotaspltdf=pd.read_csv(tips.csv,index_col=0)df=df.fillna(0)df.head()基于星期几的小费占比分析

三、分布分析importseabornassnsimportmatplotlib.pyplotaspltweek_groups=pd.cut(df[day2],bins=[0,5,7])print(df.groupby(week_groups)[total_bill].count())sns.distplot(df[day2],bins=[0,5,7])importpandasaspdimportmatplotlib.pyplotaspltdf=pd.read_csv(tips.csv,index_col=0)df=df.fillna(0)df.head()工作日与非工作日的账单金额分布分析

四、交叉分析pd.pivot_table(df,index=[day,sex],values=[tip])importpandasaspdimportmatplotlib.pyplotaspltdf=pd.read_csv(tips.csv,index_col=0)df=df.fillna(0)df.head()基于周几和性别的小费交叉分析透视表：pivot_table()

五、相关分析使用散点图查看小费和总账单金额间的相关性fig,ax=plt.subplots()ax.scatter(df[total_bill],df[tip])

五、相关分析使用corr()查看小费和总账单金额间的相关度df[tip].corr(df[total_bill])使用corr()查看小费和周几的相关度df[tip].corr(df[day2])

1.常见的数据分析方法2.Pandas数据分析实现3.常用图表及其用途：Matplotlib可视化还在等什么？马上动手实施用餐数据复杂分析项目吧~小结