Tips - Analyze

1. Dataset 'Tips' (Seaborn)
2. Analyse Univariée - Variable discrète 'sex'
3. Analyse Univariée - Variable continue 'tip'
Documentation pour l'Analyse Univariée
4. Analyse Multivariée - Entre 2 variables discrètes 'smoker' et 'sex'
5. Analyse Multivariée - Variable discrète / Variable continue
6. Analyse Multivariée - Entre deux variables continues 'tip' et 'total_bill'
Documentation sur Analyses Multivariées - Variables discrètes ou continues

1. Dataset 'Tips' (Seaborn)

sns.load_dataset('tips')

df.head()

   total_bill   tip     sex smoker  day    time  size
0       16.99  1.01  Female     No  Sun  Dinner     2
1       10.34  1.66    Male     No  Sun  Dinner     3
2       21.01  3.50    Male     No  Sun  Dinner     3
3       23.68  3.31    Male     No  Sun  Dinner     2
4       24.59  3.61  Female     No  Sun  Dinner     4

df.describe()

       total_bill         tip        size
count  244.000000  244.000000  244.000000
mean    19.785943    2.998279    2.569672
std      8.902412    1.383638    0.951100
min      3.070000    1.000000    1.000000
25%     13.347500    2.000000    2.000000
50%     17.795000    2.900000    2.000000
75%     24.127500    3.562500    3.000000
max     50.810000   10.000000    6.000000

Quelles sont les variables discrètes et les variables continues ?

→ Variables discrètes : 'sex', 'smoker', 'day', 'time' et 'size'
Variables continues : 'total_bill' et 'tip'

2. Analyse Univariée - Variable discrète 'sex'

Calcul des effectifs

df['sex'].value_counts(normalize=False, sort=True, ascending=False)

sex
Male      157
Female     87
Name: count, dtype: int64

→ 157 des personnes de l'échantillon sont des hommes, 87 personnes sont des femmes

df['sex'].value_counts(normalize=True, sort=True, ascending=False)

sex
Male      0.643443
Female    0.356557
Name: proportion, dtype: float64

→ 64% des personnes de l'échantillon sont des hommes, 36% des personnes sont des femmes

Avec la librairie Pandas

df['sex'].value_counts(normalize=False, sort=True, ascending=False).plot(kind='bar')

Avec la librairie Seaborn

sns.countplot(data=df, x='sex')

3. Analyse Univariée - Variable continue 'tip'

df['tip'].describe()

count    244.000000
mean       2.998279
std        1.383638
min        1.000000
25%        2.000000
50%        2.900000
75%        3.562500
max       10.000000
Name: tip, dtype: float64

df['tip'].mean()

2.99827868852459

df['tip'].median()

2.9

df['tip'].var()

1.914454638062471

df['tip'].std()

1.3836381890011822

df['tip'].min()

1.0

df['tip'].max()

10.0

Histogramme avec la librairie Pandas (20 intervalles)

df['tip'].plot(kind='hist', bins=20)

Histogramme avec la librairie Seaborn (20 intervalles)

sns.displot(data=df, x='tip', bins=20)

bosplot avec la librairie Pandas

df['tip'].plot(kind='box')

boxplot avec la librairie Seaborn

fig, ax = plt.subplots(figsize=(10, 2))
sns.catplot(data=df, y='tip', kind='box')

Documentation pour l'Analyse Univariée

value_counts - Pandas
https://pandas.pydata.org/docs/reference/api/pandas.Series.value_counts.html

Countplot - Seaborn
https://seaborn.pydata.org/generated/seaborn.countplot.html

Tous les graphiques possibles avec Pandas
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.plot.html

Générer un Histograme avec Seaborn
https://seaborn.pydata.org/generated/seaborn.displot.html#seaborn.displot

Générer une BoxPlot avec Pandas
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.plot.box.html

Générer une BoxPlot avec Seaborn (Catplot)
https://seaborn.pydata.org/generated/seaborn.catplot.html#seaborn.catplot

4. Analyse Multivariée - Entre 2 variables discrètes 'smoker' et 'sex'

Table de contingence

pd.crosstab(df['sex'], df['smoker'])

smoker  Yes  No
sex            
Male     60  97
Female   33  54

Table de contingence normalisée

pd.crosstab(df['sex'], df['smoker'], normalize=True)

smoker       Yes        No
sex                       
Male    0.245902  0.397541
Female  0.135246  0.221311

Heatmap 'sex' / 'smoker'

sns.heatmap(pd.crosstab(df['sex'], df['smoker']), annot=True)

Heatmap 'size' / 'day'

sns.heatmap(pd.crosstab(df['size'], df['day']), annot=True)

5. Analyse Multivariée - Variable discrète / Variable continue

df.groupby('sex')['tip'].describe()

        count      mean       std  min  25%   50%   75%   max
sex                                                          
Male    157.0  3.089618  1.489102  1.0  2.0  3.00  3.76  10.0
Female   87.0  2.833448  1.159495  1.0  2.0  2.75  3.50   6.5

df.groupby('sex')['tip'].mean()

sex
Male      3.089618
Female    2.833448
Name: tip, dtype: float64

df.groupby('sex')['tip'].median()

sex
Male      3.00
Female    2.75
Name: tip, dtype: float64

Histogramme 'sex' <-> 'tip' avec la librairie Pandas

df.groupby('sex')['tip'].mean().plot(kind='bar')

Histogramme 'sex' <-> 'tip' avec la librairie Seaborn

sns.catplot(data=df, x='sex', y='tip', kind='bar')

Histogramme avec la librairie Seaborn

sns.displot(data=df, x='tip', hue='sex')

Boxplot avec la librairie Seaborn

sns.catplot(data=df, x='tip', hue='sex', kind='box')

6. Analyse Multivariée - Entre deux variables continues 'tip' et 'total_bill'

Scatter plot - Nuage de points (Pandas)

plt.scatter(df['tip'], df['total_bill'])

Scatter plot - Nuage de points (Seaborn)

sns.scatterplot(data=df, x='tip', y='total_bill')

Documentation sur Analyses Multivariées - Variables discrètes ou continues

Table de contingence
https://pandas.pydata.org/docs/reference/api/pandas.crosstab.html

Groupby
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.groupby.html

Seaborn Scatterplot
https://seaborn.pydata.org/generated/seaborn.scatterplot.html

Seaborn Catplot
https://seaborn.pydata.org/generated/seaborn.catplot.html