本文將使用Python來分析哪些因素是影響餐館小費的關鍵因素。
數據導入
導入將要分析的tips數據。用pandas.read_csv()讀取數據，并用pandas.head()查看數據的開頭5行。可以看到數據有7列，分別是賬單總額 (total_bill)，所付小費 (tip)，性別 (sex)，是否吸煙 (smoker)，星期幾 (day)，晚餐還是午餐 (time)和用餐人數 (size)。
import pandas as pd
tips = pd.read_csv('tips.csv')
tips.head()
影響餐館小費的因素
首先，計算小費的比例，并在在數據中添加小費比例 (tip_pct) 這一列。
tips['tip_pct'] = tips['tip'] / tips['total_bill']
tips.head()
性別對小費的影響
消費數據中分別包含了男性和女性的小費支出情況，我們可以使用Pandas中的groupby方法，將數據按照性別拆分成男性和女性兩組。接著使用agg方法導入聚合函數，分別計算男性和女性的小費比例的均值，最大值，最小值和標準差。均值數據顯示，男性和女性支付的小費比例相似；標準差數據顯示與女性相比較，男性支付的小費比例波動性較大。總體來看，性別不是影響小費的關鍵因素。
tips.groupby('sex')['tip_pct'].agg(['mean', 'max', 'min', 'std'])
吸煙對小費的影響
我們繼續使用groupby的方法，將數據按照“性別”和“是否吸煙”分組，分別計算小費比例的均值，最大值，最小值和標準差。從消費比例均值的計算結果來看，女性吸煙者給的小費比例最高，平均達到18.22%。另外，我們還發現一個有趣的現象：不論是男性還是女性，小費比例最大值和最小值都發生在吸煙者的群體。
tips.groupby(['sex', 'smoker'])['tip_pct'].agg(['mean', 'max', 'min', 'std'])
就餐時間對小費的影響
將數據按照“性別”和“晚餐還是午餐”分組，分別計算小費比例的均值，最大值，最小值和標準差。可以發現，女性和男性小費比例的最大值均出現在晚餐，分別是41.67%和71.03%。均值數據顯示，人們在晚餐和午餐時支付的小費比例相似，就餐時間不是影響小費的關鍵因素。
tips.groupby(['sex', 'time'])['tip_pct'].agg(['mean', 'max', 'min', 'std'])
周末是否小費更多？
使用DataFrame的.value_counts()方法，可以看到周末是餐館生意最好的時間段，餐館在周六和周日分別接待了87桌和76桌顧客。
tips['day'].value_counts()
Sat 87
Sun 76
Thur 62
Fri 19
Name: day, dtype: int64
那在周末，是不是顧客給的小費也最多呢？我們用.isin()方法增加一個標量weekend表示是不是周末。
tips['weekend'] = tips['day'].isin(['Sat','Sun'])
tips.head()
將數據按照“性別”和“是不是周末”分組，分別計算小費比例的均值，最大值，最小值和標準差。均值數據顯示，人們在周末和非周末時支付的小費比例相似，周末不是影響小費的關鍵因素。綜合前面的數據，發現女性和男性小費比例的最大值有一個共同的特征：周末+晚餐+吸煙。建議餐館服務員可以留意這類人群，說不定會獲得意外的驚喜。
tips.groupby(['sex', 'weekend'])['tip_pct'].agg(['mean', 'max', 'min', 'std'])
平均小費百分比最高的是星期幾？
按照“星期幾”將數據分組，計算小費百分比的均值。運用.idmax()找到均值最大值的索引值，可以看到星期五的平均百分比最高。周末的到來，提高了人們支付小費的比例。
tip_mean = tips.groupby('day')['tip_pct'].agg(['mean'])
tip_mean['mean'].idxmax()
'Fri'
用餐人數對小費的影響
將數據按照“性別”和“用餐人數”分組，計算小費比例均值和每組人數的桌數。均值顯示，不論男性還是女性，一個人就餐時，支付的小費比例最大。但這類客人很少，大部分客人都是兩個人就餐，而且兩個人就餐的時給出的小費要高于更多人一起就餐的。說明人們在人少時，表現的更為慷慨。
tips.groupby(['sex', 'size'])['tip_pct'].agg(['mean', 'count'])
總結：
通過數據分析，發現餐館小費受多種因素共同影響，關鍵的因素組合是：
周末 + 晚餐 + 吸煙
另外，一位到兩位就餐的顧客，傾向于支付更多的小費。
雖然拿到的餐館小費數據比較簡單，例如人為的把男性和女性分開就餐。但通過實際運用，我們可以體會到了Python編程在數據分析上的強大，對于商業運營、市場營銷等工作具有很好的指導和優化作用。
