Python數(shù)據(jù)分析的方法是什么

本篇內(nèi)容介紹了“Python數(shù)據(jù)分析的方法是什么”的有關(guān)知識(shí)，在實(shí)際案例的操作過(guò)程中，不少人都會(huì)遇到這樣的困境，接下來(lái)就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

01 指標(biāo)拆解

TGI計(jì)算公式中，有三個(gè)關(guān)鍵點(diǎn)需要進(jìn)一步拆解：某一特征，總體，目標(biāo)群體。

隨便舉個(gè)栗子，假設(shè)我們要研究A公司脫發(fā)TGI指數(shù)：

某一特征，就是我們想要分析的某種行為或者狀態(tài)，這里是脫發(fā)(或者說(shuō)受脫發(fā)困擾)

總體，是我們研究的所有對(duì)象，即A公司所有人

目標(biāo)群體，是總體中我們感興趣的一個(gè)分組，假設(shè)我們關(guān)注的分組是數(shù)據(jù)部，那目標(biāo)群體就是數(shù)據(jù)部

于是乎，公式中分子“目標(biāo)群體中具有某一特征的群體所占比例”可以理解為“數(shù)據(jù)部脫發(fā)人數(shù)占數(shù)據(jù)部的比例”，假設(shè)數(shù)據(jù)部有15個(gè)人，有9個(gè)人受脫發(fā)困擾，那數(shù)據(jù)部脫發(fā)人數(shù)占比就是9/15，等于60%。

而分母“總體中具有相同特征的群體所占比例”，等同于“全公司受脫發(fā)困擾人數(shù)占公司總?cè)藬?shù)的比例”，假設(shè)公司一共500人，有120人受脫發(fā)困擾，那這個(gè)比例是24%。

所以，數(shù)據(jù)部脫發(fā)TGI指數(shù)，可以用60% / 24% * 100 = 250，其他部門脫發(fā)TGI指數(shù)計(jì)算邏輯是一樣的，用本部門脫發(fā)人數(shù)占比 /  公司脫發(fā)人數(shù)占比 * 100即可。

TGI指數(shù)大于100，代表著某類用戶更具有相應(yīng)的傾向或者偏好，數(shù)值越大則傾向和偏好越強(qiáng);小于100，則說(shuō)明該類用戶相關(guān)傾向較弱(和平均相比);而等于100則表示在平均水平。

剛才的例子中，我們瞎掰的數(shù)據(jù)部脫發(fā)TGI指數(shù)是250，遠(yuǎn)遠(yuǎn)高于100，看來(lái)搞數(shù)據(jù)的脫發(fā)風(fēng)險(xiǎn)極高，數(shù)據(jù)才是真正的發(fā)際線推手。

下面，我們通過(guò)一個(gè)案例來(lái)鞏固概念理解，順便和潘大師(Pandas)過(guò)過(guò)招。

02 TGI實(shí)例分析

項(xiàng)目背景

BOSS拋來(lái)一份訂單明細(xì)，“小Z啊，我們最近要推出一款客單比較高的產(chǎn)品，打算在一些城市先試銷，你看看這個(gè)數(shù)據(jù)，哪些城市的人有高客單偏好，幫我篩選5個(gè)吧”。

小Z趕緊打開(kāi)表格，看看數(shù)據(jù)到底長(zhǎng)什么樣子：

訂單數(shù)據(jù)包括品牌名、買家姓名、付款時(shí)間、訂單狀態(tài)和地域等字段，一共28832條數(shù)據(jù)，沒(méi)有空值。

粗略看了幾眼源數(shù)據(jù)，小Z趕緊明確數(shù)據(jù)需求：“領(lǐng)導(dǎo)，那客單比較高的定義是什么?”

“就我們產(chǎn)品線和歷史數(shù)據(jù)來(lái)看，單次購(gòu)買大于50元就算高客單的客戶了”。

確認(rèn)了高客單之后，我們的目標(biāo)非常明確：按照高客單偏好給城市做個(gè)排序。這里的偏好，可以用TGI指數(shù)來(lái)衡量，我們?cè)俅螐?fù)習(xí)下TGI三個(gè)核心點(diǎn)：

• 特征，高客單，即客戶單次購(gòu)買超過(guò)50元

• 目標(biāo)群體，就是各個(gè)城市，這里我們可以分別計(jì)算出所有城市客戶的高客單偏好

• 至于總體，就非常直白了，計(jì)算所涉及到的所有客戶即為總體

解題的關(guān)鍵在于，計(jì)算出不同城市，高客單人數(shù)及所占的比例。

單個(gè)用戶打標(biāo)

第一步，我們先判斷每個(gè)用戶是否屬于高客單的人群，所以先按用戶昵稱進(jìn)行分組，看每位用戶的平均支付金額。這里用平均，是因?yàn)橛械目蛻舳啻钨?gòu)買，而每次下單金額也不一樣，故平均之。

接著，定義一個(gè)判斷函數(shù)，如果單個(gè)用戶平均支付金額大于50，就打上“高客單”的類別，否則為低客單，再用apply函數(shù)調(diào)用：

到這里基于高低客單的用戶初步打標(biāo)已經(jīng)完成。

匹配城市

單個(gè)用戶的金額和客單標(biāo)簽已經(jīng)搞定，下一步就是補(bǔ)充每個(gè)用戶的地域字段，一句pd.merge函數(shù)就能搞定。由于源數(shù)據(jù)是未去重的，我們得先按昵稱去重，不然匹配的結(jié)果會(huì)有許多重復(fù)的數(shù)據(jù)：

高客單TGI指數(shù)計(jì)算

要計(jì)算每個(gè)城市高客單TGI指數(shù)，需要得到每個(gè)城市高客單、低客單的人數(shù)分別是多少。如果用EXCEL的數(shù)據(jù)透視表處理起來(lái)就很簡(jiǎn)單，直接把省份和城市拖拽到行的位置，客單類別拖到列的位置，值隨便選一個(gè)字段，只要是統(tǒng)計(jì)就好。

不要慌，這一套操作，Python實(shí)現(xiàn)起來(lái)也灰常容易，pivot_table透視表函數(shù)一行就搞定：

這樣得到的結(jié)果包含了層次化索引，受篇幅限制就不展開(kāi)講，我們只要知道要索引得到“高客單”列，需要先索引“買家昵稱”，再索引“高客單”：

這樣，拿到了每個(gè)省市的高客單人數(shù)，然后再拿到低客單的人數(shù)，進(jìn)行橫向合并：

我們?cè)倏纯疵總€(gè)城市總?cè)藬?shù)以及高客單人數(shù)占比，來(lái)完成“目標(biāo)群體中具有某一特征的群體所占比例”這個(gè)分子的計(jì)算：

有些非常小眾的城市，高客單或者低客單人數(shù)等于1甚至沒(méi)有，而這些值尤其是空值會(huì)影響結(jié)果的計(jì)算，我們要提前檢核數(shù)據(jù)：

果然，高客單和低客單都有空值(可以理解為0)，從而導(dǎo)致總?cè)藬?shù)也存在空值，而TGI指數(shù)對(duì)于空值來(lái)說(shuō)意義不大，所以我們剔除掉存在空值的行：

接著統(tǒng)計(jì)總?cè)藬?shù)中，高客單人群的比例，來(lái)對(duì)標(biāo)公式中的分母“總體中具有相同特征的群體所占比例”：

最后一步，就是TGI指數(shù)的計(jì)算，順便排個(gè)序：

出了結(jié)果，小Z興致勃勃的打算第一時(shí)間報(bào)告老板，說(shuō)時(shí)遲那時(shí)快，在按下回車之前又掃了一眼數(shù)據(jù)，發(fā)現(xiàn)了一個(gè)嚴(yán)重的問(wèn)題：高客單TGI指數(shù)排名靠前的城市，總客戶數(shù)幾乎不超過(guò)10人，這樣的高客單人口占比，完全沒(méi)有說(shuō)服力。

TGI指數(shù)能夠顯示偏好的強(qiáng)弱，但很容易讓人忽略具體的樣本量大小，這個(gè)是需要格外注意的。

怎么辦呢?為了加強(qiáng)數(shù)據(jù)整體的信度，小Z決定先對(duì)總?cè)藬?shù)進(jìn)行篩選，用總?cè)藬?shù)的平均值作為閾值，只保留總?cè)藬?shù)大于平均值的城市：

“Python數(shù)據(jù)分析的方法是什么”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！