教育 | 學生羣體分析

什麼是羣體分析？

通俗的講，就是一類人或者一類事情經過分析後，得到共同的特徵屬性或者特異的特徵屬性，是一種對羣體畫標籤的方法。

那麼，怎麼進行羣體分析呢？

第一步，要學會分羣。可使用機器學習算法中的分類與聚類等，固然也能夠人爲地對事物進行分類。

第二步，對分類好的數據進行分析，畫出對應的標籤。本文將使用人爲分類的辦法，對學霸與學渣在圖書館借書、圖書館出入狀況進行分析，剖析出學霸與學渣借書的區別，用數聽說明學渣是否是必定不去圖書館等問題。

1、數據準備

（一）表結構說明 

加載已經對每一個學生ID進行多維度畫像的df表，df表的結構以下：

（二）記錄條數說明

總共包含29列，總共記錄條數爲21605條，以下：

（三）記錄內容說明

數據記錄以下：

2、數據分類

（一）數據分類思路

根據學院和學生成績的排名，取不一樣學院的前50名和後50名，對不一樣學院前50名的學霸組成一張表a，對不一樣學院倒數後50名的組合生成一張表b。分別對a、b表作異常數據的剔除，最後得到學霸和學渣數據各969條數。

（二）步驟

一、對導入FEA的df表作排序操做，排序的對象爲college列和score_pm列，使用以下語句：

df=order df by (college,score_pm) with (desc,asc)

二、使用foreach循環，分別獲取各學院的學霸與學渣記錄；

三、組成a表和b表，並處理異常數據；

3、羣體分析

（一）羣體分析思路

第一種，取消費、住宿等維度的平均值進行比較。

第二種，只取學生成績、學生圖書館借書、學生進出記錄關聯分析，拋開住宿、消費維度。

（二）分析過程

第一種我作過，結果以下：

比較結果沒法區分學霸與學渣之間鮮明的特徵，最大的兩個特徵是學渣得到的助學金多，學霸晚歸次數比較多，消費平均數比較大。

去查找了爲何產生這種沒有鮮明特徵的緣由，發現本次數據是通過脫敏處理的，學生成績排名不分年級，不分專業，只是將全部成績按學分加權求和，而後除以學分總和，再按照學生所在學院排序。因此，低年級學生怎麼可能比高年級學生學分高啊？！

經過第一種思路的分析，說明咱們本次數據準備並不完美，或者說自己就是有必定的錯誤存在。學霸的數據應該是高年級同窗中的學霸，而不是學院中各年級各專業的學霸，學渣多是低年級學渣佔多數，並且過幾年他們不必定是學渣。因此本次羣體分析的立論，應該改成高年級學霸與低年級學渣比較合適。

經過第二種思路，咱們只分析圖書館借書維度。先分析學霸和學渣中有多少人沒有借過書？

學霸有197人沒有借書，學渣有181沒有借書。再分析借書總數、平均數、借書人平均數等數據。

接着，分析學霸與學渣都關注哪一種類型的書籍。

由於本數據來自工科類大學，因此工業技術類書籍佔到第一。第二是文學類，第三語言與文字，第四數理化，第五是經濟，第六是哲學，第七是政治法律，第八是歷史，具體排名見最後圖表。

最後，咱們看一下借書類型的總次數。

經過上圖發現學渣同窗比學霸借的書多，具體排名爲：第一是語言、文學，第二是經濟，第三是政治、法律。可是學霸與學渣借書的類型、數量上相差不大。

4、羣體分析結論

經過上面分析，咱們得出如下結論：

第1、學霸、學渣人數各969，可是學霸不借書的人數多於學渣；

第2、學霸借書平均數大於學渣；

第3、被分類到學渣類的同窗去圖書館平均次數多於學霸，估計緣由爲高年級學霸到後期可能忙着找工做；

第4、被分類到學渣類的同窗，比學霸更加關注經濟、政治、法律、文字、語言類的書籍。

第5、從數據能夠看出，學霸與學渣都是很努力學習的。