杭州模板建站哪家好,域名多少钱一年,工商企业查询快速,大连seo优化文章目录 0 赛题思路1 赛题背景2 分析目标3 数据说明4 数据预处理5 数据分析5.1 食堂就餐行为分析5.2 学生消费行为分析 建模资料 0 赛题思路
#xff08;赛题出来以后第一时间在CSDN分享#xff09;
https://blog.csdn.net/dc_sinor?typeblog
1 赛题背景
校园一卡通是集… 文章目录 0 赛题思路1 赛题背景2 分析目标3 数据说明4 数据预处理5 数据分析5.1 食堂就餐行为分析5.2 学生消费行为分析 建模资料 0 赛题思路
赛题出来以后第一时间在CSDN分享
https://blog.csdn.net/dc_sinor?typeblog
1 赛题背景
校园一卡通是集身份认证、金融消费、数据共享等多项功能于一体的信息集成系统。在为师生提供优质、高效信息化服务的同时系统自身也积累了大量的历史记录其中蕴含着学生的消费行为以及学校食堂等各部门的运行状况等信息。
很多高校基于校园一卡通系统进行“智慧校园”的相关建设例如《扬子晚报》2016年 1月 27日的报道《南理工给贫困生“暖心饭卡补助”》。
不用申请不用审核饭卡上竟然能悄悄多出几百元……记者昨天从南京理工大学独家了解到南理工教育基金会正式启动了“暖心饭卡”
项目针对特困生的温饱问题进行“精准援助”。
项目专门针对贫困本科生的“温饱问题”进行援助。在学校一卡通中心教育基金会的工作人员找来了全校一万六千余名在校本科生 9 月中旬到 11月中旬的刷卡记录对所有的记录进行了大数据分析。最终圈定了 500余名“准援助对象”。
南理工教育基金会将拿出“种子基金”100万元作为启动资金根据每位贫困学生的不同情况确定具体的补助金额然后将这些钱“悄无声息”的打入学生的饭卡中保证困难学生能够吃饱饭。
——《扬子晚报》2016年 1月 27日南理工给贫困生“暖心饭卡补助”本赛题提供国内某高校校园一卡通系统一个月的运行数据希望参赛者使用
数据分析和建模的方法挖掘数据中所蕴含的信息分析学生在校园内的学习生活行为为改进学校服务并为相关部门的决策提供信息支持。
2 分析目标 1. 分析学生的消费行为和食堂的运营状况为食堂运营提供建议。 2. 构建学生消费细分模型为学校判定学生的经济状况提供参考意见。
3 数据说明
附件是某学校 2019年 4月 1 日至 4月 30日的一卡通数据
一共3个文件data1.csv、data2.csv、data3.csv
4 数据预处理
将附件中的 data1.csv、data2.csv、data3.csv三份文件加载到分析环境对照附录一理解字段含义。探查数据质量并进行缺失值和异常值等方面的必要处理。将处理结果保存为“task1_1_X.csv”如果包含多张数据表X可从 1 开始往后编号并在报告中描述处理过程。
import numpy as np
import pandas as pd
import os
os.chdir(/home/kesci/input/2019B1631)
data1 pd.read_csv(data1.csv, encodinggbk)
data2 pd.read_csv(data2.csv, encodinggbk)
data3 pd.read_csv(data3.csv, encodinggbk)
data1.head(3)data1.columns [序号, 校园卡号, 性别, 专业名称, 门禁卡号]
data1.dtypesdata1.to_csv(/home/kesci/work/output/2019B/task1_1_1.csv, indexFalse, encodinggbk)
data2.head(3)将 data1.csv中的学生个人信息与 data2.csv中的消费记录建立关联处理结果保存为“task1_2_1.csv”将 data1.csv 中的学生个人信息与data3.csv 中的门禁进出记录建立关联处理结果保存为“task1_2_2.csv”。
data1 pd.read_csv(/home/kesci/work/output/2019B/task1_1_1.csv, encodinggbk)
data2 pd.read_csv(/home/kesci/work/output/2019B/task1_1_2.csv, encodinggbk)
data3 pd.read_csv(/home/kesci/work/output/2019B/task1_1_3.csv, encodinggbk)
data1.head(3)5 数据分析
5.1 食堂就餐行为分析
绘制各食堂就餐人次的占比饼图分析学生早中晚餐的就餐地点是否有显著差别并在报告中进行描述。提示时间间隔非常接近的多次刷卡记录可能为一次就餐行为
data pd.read_csv(/home/kesci/work/output/2019B/task1_2_1.csv, encodinggbk)
data.head()import matplotlib as mpl
import matplotlib.pyplot as plt
# notebook嵌入图片
%matplotlib inline
# 提高分辨率
%config InlineBackend.figure_formatretina
from matplotlib.font_manager import FontProperties
font FontProperties(fname/home/kesci/work/SimHei.ttf)
import warnings
warnings.filterwarnings(ignore)canteen1 data[消费地点].apply(str).str.contains(第一食堂).sum()
canteen2 data[消费地点].apply(str).str.contains(第二食堂).sum()
canteen3 data[消费地点].apply(str).str.contains(第三食堂).sum()
canteen4 data[消费地点].apply(str).str.contains(第四食堂).sum()
canteen5 data[消费地点].apply(str).str.contains(第五食堂).sum()
# 绘制饼图
canteen_name [食堂1, 食堂2, 食堂3, 食堂4, 食堂5]
man_count [canteen1,canteen2,canteen3,canteen4,canteen5]
# 创建画布
plt.figure(figsize(10, 6), dpi50)
# 绘制饼图
plt.pie(man_count, labelscanteen_name, autopct%1.2f%%, shadowFalse, startangle90, textprops{fontproperties:font})
# 显示图例
plt.legend(propfont)
# 添加标题
plt.title(食堂就餐人次占比饼图, fontpropertiesfont)
# 饼图保持圆形
plt.axis(equal)
# 显示图像
plt.show()通过食堂刷卡记录分别绘制工作日和非工作日食堂就餐时间曲线图分析食堂早中晚餐的就餐峰值并在报告中进行描述。 # 对data中消费时间数据进行时间格式转换转换后可作运算coerce将无效解析设置为NaT
data.loc[:,消费时间] pd.to_datetime(data.loc[:,消费时间],format%Y-%m-%d %H:%M,errorscoerce)
data.dtypes
# 创建一个消费星期列根据消费时间计算出消费时间是星期几Monday1, Sunday7
data[消费星期] data[消费时间].dt.dayofweek 1
data.head(3)
# 以周一至周五作为工作日周六日作为非工作日拆分为两组数据
work_day_query data.loc[:,消费星期] 5
unwork_day_query data.loc[:,消费星期] 5work_day_data data.loc[work_day_query,:]
unwork_day_data data.loc[unwork_day_query,:]
# 计算工作日消费时间对应的各时间的消费次数
work_day_times []
for i in range(24):work_day_times.append(work_day_data[消费时间].apply(str).str.contains( {:02d}:.format(i)).sum())# 以时间段作为x轴同一时间段出现的次数和作为y轴作曲线图
x []
for i in range(24):x.append({:02d}:00.format(i))
# 绘图
plt.plot(x, work_day_times, label工作日)
# x,y轴标签
plt.xlabel(时间, fontpropertiesfont);
plt.ylabel(次数, fontpropertiesfont)
# 标题
plt.title(工作日消费曲线图, fontpropertiesfont)
# x轴倾斜60度
plt.xticks(rotation60)
# 显示label
plt.legend(propfont)
# 加网格
plt.grid()# 计算飞工作日消费时间对应的各时间的消费次数
unwork_day_times []
for i in range(24):unwork_day_times.append(unwork_day_data[消费时间].apply(str).str.contains( {:02d}:.format(i)).sum())# 以时间段作为x轴同一时间段出现的次数和作为y轴作曲线图
x []
for i in range(24): x.append({:02d}:00.format(i))
plt.plot(x, unwork_day_times, label非工作日)
plt.xlabel(时间, fontpropertiesfont);
plt.ylabel(次数, fontpropertiesfont)
plt.title(非工作日消费曲线图, fontpropertiesfont)
plt.xticks(rotation60)
plt.legend(propfont)
plt.grid()根据上述分析的结果很容易为食堂的运营提供建议比如错开高峰等等。
5.2 学生消费行为分析
根据学生的整体校园消费数据计算本月人均刷卡频次和人均消费额并选择 3个专业分析不同专业间不同性别学生群体的消费特点。
data pd.read_csv(/home/kesci/work/output/2019B/task1_2_1.csv, encodinggbk)
data.head()# 计算人均刷卡频次(总刷卡次数/学生总人数)
cost_count data[消费时间].count()
student_count data[校园卡号].value_counts(dropnaFalse).count()
average_cost_count int(round(cost_count / student_count))
average_cost_count# 计算人均消费额(总消费金额/学生总人数)
cost_sum data[消费金额].sum()
average_cost_money int(round(cost_sum / student_count))
average_cost_money# 选择消费次数最多的3个专业进行分析
data[专业名称].value_counts(dropnaFalse)# 消费次数最多的3个专业为 连锁经营、机械制造、会计
major1 data[专业名称].apply(str).str.contains(18连锁经营)
major2 data[专业名称].apply(str).str.contains(18机械制造)
major3 data[专业名称].apply(str).str.contains(18会计)
major4 data[专业名称].apply(str).str.contains(18机械制造学徒)data_new data[(major1 | major2 | major3) ^ major4]
data_new[专业名称].value_counts(dropnaFalse)分析 每个专业不同性别 的学生消费特点
data_male data_new[data_new[性别] 男]
data_female data_new[data_new[性别] 女]
data_female.head()根据学生的整体校园消费行为选择合适的特征构建聚类模型分析每一类学生群体的消费特点。
data[专业名称].value_counts(dropnaFalse).count()
# 选择特征性别、总消费金额、总消费次数
data_1 data[[校园卡号,性别]].drop_duplicates().reset_index(dropTrue)
data_1[性别] data_1[性别].astype(str).replace(({男: 1, 女: 0}))
data_1.set_index([校园卡号], inplaceTrue)
data_2 data.groupby(校园卡号).sum()[[消费金额]]
data_2.columns [总消费金额]
data_3 data.groupby(校园卡号).count()[[消费时间]]
data_3.columns [总消费次数]
data_123 pd.concat([data_1, data_2, data_3], axis1)#.reset_index(dropTrue)
data_123.head()# 构建聚类模型
from sklearn.cluster import KMeans
# k为聚类类别iteration为聚类最大循环次数data_zs为标准化后的数据
k 3 # 分成几类可以在此处调整
iteration 500
data_zs 1.0 * (data_123 - data_123.mean()) / data_123.std()
# n_jobs为并发数
model KMeans(n_clustersk, n_jobs4, max_iteriteration, random_state1234)
model.fit(data_zs)
# r1统计各个类别的数目r2找出聚类中心
r1 pd.Series(model.labels_).value_counts()
r2 pd.DataFrame(model.cluster_centers_)
r pd.concat([r2,r1], axis1)
r.columns list(data_123.columns) [类别数目]# 选出消费总额最低的500名学生的消费信息
data_500 data.groupby(校园卡号).sum()[[消费金额]]
data_500.sort_values(by[消费金额],ascendingTrue,inplaceTrue,na_positionfirst)
data_500 data_500.head(500)
data_500_index data_500.index.values
data_500 data[data[校园卡号].isin(data_500_index)]
data_500.head(10)# 绘制饼图
canteen_name list(data_max_place.index)
man_count list(data_max_place.values)
# 创建画布
plt.figure(figsize(10, 6), dpi50)
# 绘制饼图
plt.pie(man_count, labelscanteen_name, autopct%1.2f%%, shadowFalse, startangle90, textprops{fontproperties:font})
# 显示图例
plt.legend(propfont)
# 添加标题
plt.title(低消费学生常消费地点占比饼图, fontpropertiesfont)
# 饼图保持圆形
plt.axis(equal)
# 显示图像
plt.show()建模资料
资料分享: 最强建模资料
