Mon parcours en science des données : analyse des astuces pour les restaurants

DEV - 28/12
Projet : Analyse exploratoire des données sur l'ensemble de données sur les conseils de restaurant Durée : Ensemble de données du processus EDA complet : 243...

Projet : Analyse exploratoire des données sur les conseils de restaurant Ensemble de données Durée : Processus EDA complet Ensemble de données : 243 transactions de restaurants, 7 variables Statut : ✅ TERMINÉ

📊 APERÇU DU PROJET

Informations sur l'ensemble de données

  • Source : Ensemble de données sur les conseils en matière de restaurants
  • Taille initiale : 244 lignes × 7 colonnes
  • Taille finale : 243 lignes × 7 colonnes (après nettoyage)
  • Variables :
    • Numérique:facture_totale,conseil,taille
    • Catégorique:sexe,fumeur,jour,temps

Objectif du projet

Comprenez quels facteurs influencent le comportement de pourboire dans les restaurants grâce à une analyse exploratoire complète des données.

🧹 PHASE 1 : NETTOYAGE DES DONNÉES (Enquête 1.3)

1.1 Enquête sur les valeurs manquantes

Hypothèse : « L'hypothèse nulle » – Pourquoi des données pourraient-elles manquer ?

Ce que j'ai fait :

# Vérification des valeurs manquantes data.isnull().sum() data.isnull().any() (data.isnull().sum() / len(data)) * 100 # Pourcentage
Entrer en mode plein écran Quitter le mode plein écran

Résultats:

  • ✅ 0 valeur manquante dans toutes les colonnes
  • Cela indique une excellente qualité de collecte de données
  • Aucune imputation ou suppression nécessaire

Moment d'apprentissage : tous les ensembles de données ne contiennent pas de données manquantes, mais vérifiez toujours !

1.2 Détection des doublons

Hypothèse : des transactions identiques pourraient-elles exister légitimement ?

Ce que j'ai fait :

# Doublons trouvés num_duplicates = data.duplicated().sum() duplicates = data[data.duplicate(keep=False)] # Supprimés data_clean = data.drop_duplicates()
Entrer en mode plein écran Quitter le mode plein écran

Résultats:

  • 1 ligne en double trouvée
    • Facture : 13,00 $, Pourboire : 2,00 $, Femme, Fumeuse, Jeudi, Déjeuner, Groupe de 2
    • La rangée 198 et la rangée 202 étaient IDENTIQUES
  • Décision : Supprimé en raison d'une erreur probable de saisie des données
  • Résultat : 244 lignes → 243 lignes

Aperçu clé : des transactions identiques le même jour/heure sont statistiquement improbables – des erreurs probables.

1.3 Enquête sur les valeurs aberrantes

Hypothèse : « The Outlier Tribunal » – Les valeurs extrêmes sont-elles des erreurs ou sont-elles légitimes ?

Ce que j'ai fait :

# Boxplots créés plt.boxplot(data['tip']) plt.boxplot(data['total_bill']) # Limites IQR calculées Q1 = data['tip'].quantile(0.25) Q3 = data['tip'].quantile(0.75) IQR = Q3 - Q1 upper_boundary = Q3 + (1.5 * IQR) # Valeurs aberrantes trouvées = données[données['tip'] > upper_boundary]
Entrer en mode plein écran Quitter le mode plein écran

Formule mathématique :

IQR = Q3 - Q1 Limite supérieure = Q3 + (1,5 × IQR) Limite inférieure = Q1 - (1,5 × IQR) Pour les pourboires : Q1 = 2,00 $ Q3 = 3,56 $ IQR = 1,56 $ Limite supérieure = 5,90 $
Entrer en mode plein écran Quitter le mode plein écran

Valeurs aberrantes trouvées : | Facture | Astuce | % de pourboire | Verdict | |---------|--------|-------|------------------| | 50,81 $ | 10,00 $ | 19,7% | ✅ Légitime | | 48,33 $ | 9,00 $ | 18,6% | ✅ Légitime | | 39,42 $ | 7,58 $ | 19,2% | ✅ Légitime | | 48,27 $ | 6,73 $ | 13,9% | ✅ Légitime |

Décision : Conservé toutes les valeurs aberrantes – ils représentent de grands partis avec des pourcentages de pourboire raisonnables

Aperçu clé : les valeurs aberrantes ne sont pas toujours des erreurs ! Vérifiez avec le contexte (pourcentage de pourboire dans ce cas).

🔬 PHASE 2 : ANALYSE BIVARIÉE (Enquête 2.2)

Présentation : tester 7 relations

Pour chaque relation, j'ai suivi la méthode scientifique :

  1. Hypothèse - Faire une prédiction
  2. Visualisation - Créer un graphique approprié
  3. Analyse - Interpréter le modèle
  4. Conclusion - Accepter ou rejeter l'hypothèse

2.1 Relation n°1 : Facture totale → Pourboire

Mon hypothèse :

  • "À mesure que total_bill augmente, le pourboire augmentera FAIBLEMENT"
  • Raisonnement : « Le conseil est de « garder la monnaie » - et non basé sur un pourcentage »
  • Confiance : MOYENNE
  • Attendu : r...
    [Courte citation de 8% de l'article original]