教育 | 学生群体分析

什么是群体分析？

通俗的讲，就是一类人或者一类事情经过分析后，得到共同的特征属性或者特异的特征属性，是一种对群体画标签的方法。

那么，怎么进行群体分析呢？

第一步，要学会分群。可使用机器学习算法中的分类与聚类等，固然也能够人为地对事物进行分类。

第二步，对分类好的数据进行分析，画出对应的标签。本文将使用人为分类的办法，对学霸与学渣在图书馆借书、图书馆出入状况进行分析，剖析出学霸与学渣借书的区别，用数听说明学渣是否是必定不去图书馆等问题。

1、数据准备

（一）表结构说明 

加载已经对每一个学生ID进行多维度画像的df表，df表的结构以下：

（二）记录条数说明

总共包含29列，总共记录条数为21605条，以下：

（三）记录内容说明

数据记录以下：

2、数据分类

（一）数据分类思路

根据学院和学生成绩的排名，取不一样学院的前50名和后50名，对不一样学院前50名的学霸组成一张表a，对不一样学院倒数后50名的组合生成一张表b。分别对a、b表作异常数据的剔除，最后得到学霸和学渣数据各969条数。

（二）步骤

一、对导入FEA的df表作排序操做，排序的对象为college列和score_pm列，使用以下语句：

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

二、使用foreach循环，分别获取各学院的学霸与学渣记录；

三、组成a表和b表，并处理异常数据；

3、群体分析

（一）群体分析思路

第一种，取消费、住宿等维度的平均值进行比较。

第二种，只取学生成绩、学生图书馆借书、学生进出记录关联分析，抛开住宿、消费维度。

（二）分析过程

第一种我作过，结果以下：

比较结果没法区分学霸与学渣之间鲜明的特征，最大的两个特征是学渣得到的助学金多，学霸晚归次数比较多，消费平均数比较大。

去查找了为何产生这种没有鲜明特征的缘由，发现本次数据是通过脱敏处理的，学生成绩排名不分年级，不分专业，只是将全部成绩按学分加权求和，而后除以学分总和，再按照学生所在学院排序。因此，低年级学生怎么可能比高年级学生学分高啊？！

经过第一种思路的分析，说明咱们本次数据准备并不完美，或者说自己就是有必定的错误存在。学霸的数据应该是高年级同窗中的学霸，而不是学院中各年级各专业的学霸，学渣多是低年级学渣占多数，并且过几年他们不必定是学渣。因此本次群体分析的立论，应该改成高年级学霸与低年级学渣比较合适。

经过第二种思路，咱们只分析图书馆借书维度。先分析学霸和学渣中有多少人没有借过书？

学霸有197人没有借书，学渣有181没有借书。再分析借书总数、平均数、借书人平均数等数据。

接着，分析学霸与学渣都关注哪一种类型的书籍。

由于本数据来自工科类大学，因此工业技术类书籍占到第一。第二是文学类，第三语言与文字，第四数理化，第五是经济，第六是哲学，第七是政治法律，第八是历史，具体排名见最后图表。

最后，咱们看一下借书类型的总次数。

经过上图发现学渣同窗比学霸借的书多，具体排名为：第一是语言、文学，第二是经济，第三是政治、法律。可是学霸与学渣借书的类型、数量上相差不大。

4、群体分析结论

经过上面分析，咱们得出如下结论：

第1、学霸、学渣人数各969，可是学霸不借书的人数多于学渣；

第2、学霸借书平均数大于学渣；

第3、被分类到学渣类的同窗去图书馆平均次数多于学霸，估计缘由为高年级学霸到后期可能忙着找工做；

第4、被分类到学渣类的同窗，比学霸更加关注经济、政治、法律、文字、语言类的书籍。

第5、从数据能够看出，学霸与学渣都是很努力学习的。