首先
每个人都会有一段特别怀念而又难忘的时光吧,我到现在依然记得大学时光的美好。让我们一起来怀念一下时光吧。
今天这个故事从一张校园卡开始,相信很多小伙伴们都用过校园卡,它是一种其个人身份认证、校园消费、数据共享等多功能于一体的校园信息集成与管理系统。在它里面存储着大量的数据,包含:学生消费、宿舍门禁、图书馆进出等。
这篇文章使用的是南京某高校学生一卡通在2019年4月1-20号的消费明细数据,从统计可视化分析、关联规则分析,发现学生一卡通的使用情况和学生当中的情侣、基友、闺蜜、渣男和单身狗等有趣信息。
使用的数据集地址如下:https://github.com/Nicole456/Analysis-of-students-consumption-behavior-on-campus
导入数据
#####Python学习交流群:906715085### import pandas as pd import numpy as np import datetime import plotly_express as px import plotly.graph_objects as go
1、数据1:每个学生的校园卡基本信息
2、数据2:校园卡每次消费和充值的明细数据
3、数据3:门禁明细数据
数据大小
In [8]: print(\"df1: \", df1.shape) print(\"df2: \", df2.shape) print(\"df3: \", df3.shape) df1: (4341, 5) df2: (519367, 14) df3: (43156, 6)
缺失值
# 每列缺失值 df1.isnull().sum() #每列的缺失值占比 df2.apply(lambda x : sum(x.isnull())/len(x), axis=0)
人数对比
不同性别人数
不同专业人数
In [16]: df5 = df1[\"Major\"].value_counts().reset_index() df5.columns = [\"Major\",\"Number\"] df5.head()
不同专业不同性别人数
In [18]: df6 = df1.groupby([\"Major\",\"Sex\"])[\"CardNo\"].count().reset_index() df6.head()
fig = px.treemap( df6, path=[px.Constant(\"all\"),\"Major\",\"Sex\"], # 重点:传递数据路径 values=\"CardNo\", color=\"Major\" # 指定颜色变化的参数 ) fig.update_traces(root_color=\"maroon\") # fig.update_traces(textposition=\"top right\") fig.update_layout(margin=dict(t=30,l=20,r=25,b=30)) fig.show()
进出门禁信息
地址信息
In [21]:
#1、处理address address = df3[\"Address\"].str.extract(r\"(?P<Address_New>[\\w]+)\\[(?P<Out_In>[\\w]+)\\]\") address
进出门禁时间
In [25]: df8 = pd.merge(df3,df1,on=\"AccessCardNo\") df8.loc[:,\'Date\'] = pd.to_datetime(df8.loc[:,\'Date\'],format=\'%Y/%m/%d %H:%M\',errors=\'coerce\') df8[\"Hour\"] = df8[\"Date\"].dt.hour #df8[\"Minute\"] = df8[\"Date\"].dt.minute #进出门禁人数统计/小时 df9 = df8.groupby([\"Hour\",\"Out_In\"]).agg({\"AccessCardNo\":\"count\"}).reset_index() df9.head()
#准备画布
fig = go.Figure() #添加不同的数据 fig.add_trace(go.Scatter( x=df9.query(\"Out_In == \'出门\'\")[\"Hour\"].tolist(), y=df9.query(\"Out_In == \'出门\'\")[\"AccessCardNo\"].tolist(), mode=\'lines + markers\', # mode模式选择 name=\'出门\')) # 名字 fig.add_trace(go.Scatter( x=df9.query(\"Out_In == \'进门\'\")[\"Hour\"].tolist(), y=df9.query(\"Out_In == \'进门\'\")[\"AccessCardNo\"].tolist(), mode=\'lines + markers\', name=\'进门\')) fig.show()
消费信息
In [30]: #数据合并 只取出两个字段:卡号和性别 df10 = pd.merge(df2,df1[[\"CardNo\",\"Sex\"]],on=\"CardNo\")
合并信息
In [32]: df10[\"Card_Sex\"] = df10[\"CardNo\"].apply(lambda x: str(x)) + \"_\" + df10[\"Sex\"]
主要地点
In [33]: #Card_Sex:统计消费人次 #Money:统计消费金额 df11 = (df10.groupby(\"Dept\").agg({\"Card_Sex\":\"count\",\"Money\":sum}) .reset_index().sort_values(\"Money\",ascending=False)) df11.head(10)
fig = px.bar(df11,x=\"Dept\",y=\"Card_Sex\") fig.update_layout(title_text=\'不同地方的消费人数\',xaxis_tickangle=45) fig.show()
fig = px.bar(df11,x=\"Dept\",y=\"Money\") fig.update_layout(title_text=\'不同地方的消费金额\',xaxis_tickangle=45) fig.show()
关联规则挖掘
时间处理
时间处理主要是两个点:
•时间格式的转换
•时间离散化:每5分钟一个类型
在这里我们默认:如果两个时间在同一个类型中,认为两人在一起消费
import datetime def change_time(x): # 转成标准时间格式 result = str(datetime.datetime.strptime(x, \"%Y/%m/%d %H:%M\")) return result def time_five(x): # ‘2022-02-24 15:46:09’ ---> \'2022-02-24 15_9\' res1 = x.split(\":\")[0] res2 = str(round(int(x.split(\":\")[1]) / 5)) return res1 + \"_\" + res2 df10[\"New_Date\"] = df10[\"Date\"].apply(change_time) df10[\"New_Date\"] = df10[\"New_Date\"].apply(time_five) df10.head(3)
提起每个时间类型的人员信息:
#方式1 df11 = df10.groupby([\"New_Date\"])[\"Card_Sex\"].apply(list).reset_index() #每个列表中的元素去重 df11[\"Card_Sex\"] = df11[\"Card_Sex\"].apply(lambda x: list(set(x))) all_list = df11[\"Card_Sex\"].tolist() #方式2 #all_list = [] #for i in df10[\"New_Date\"].unique().tolist(): #lst = df10[df10[\"New_Date\"] == i][\"Card_Sex\"].unique().tolist() #all_list.append(lst)
频繁项集寻找
In [44]: import efficient_apriori as ea #itemsets:频繁项 rules:关联规则 itemsets, rules = ea.apriori(all_list, min_support=0.005, min_confidence=1 )
一个人
一个人消费的数据最多:2565条数据,单身毕竟多!
len(itemsets[1]) # 2565条 #部分数据 {(\'181539_男\',): 52, (\'180308_女\',): 47, (\'183262_女\',): 100, (\'182958_男\',): 88, (\'180061_女\',): 83, (\'182936_男\',): 80, (\'182931_男\',): 87, (\'182335_女\',): 60, (\'182493_女\',): 75, (\'181944_女\',): 67, (\'181058_男\',): 93, (\'183391_女\',): 63, (\'180313_女\',): 82, (\'184275_男\',): 69, (\'181322_女\',): 104, (\'182391_女\',): 57, (\'184153_女\',): 31, (\'182711_女\',): 40, (\'181594_女\',): 36, (\'180193_女\',): 84, (\'184263_男\',): 61,
两个人
len(itemsets[2]) # 378条
查看了全部的数据,统计了下面的结果:
(\'180433_男\', \'180499_女\'): 34 #可疑渣男1 (\'180624_男\', \'181013_女\'): 36, (\'180624_男\', \'181042_女\'): 37, #可疑渣男2 (\'181461_男\', \'180780_女\'): 38, (\'181461_男\', \'180856_女\'): 34, (\'181597_男\', \'183847_女\'): 44, (\'181699_男\', \'181712_女\'): 31, (\'181889_男\', \'180142_女\'): 33, #可疑渣男3:NB (\'182239_男\', \'182304_女\'): 39, (\'182239_男\', \'182329_女\'): 40, (\'182239_男\', \'182340_女\'): 37, (\'182239_男\', \'182403_女\'): 35, (\'182873_男\', \'182191_女\'): 31, (\'183343_男\', \'183980_女\'): 44,
1、可疑男生1-180624
回到原始数据,查看他和不同女生在时间上消费的交集情况。
(1)和女生181013的交集:
•4月1号早上7.36:应该是一起吃了早餐;11点54一起吃了午饭
•4.10、4.12等不同时间点的交集
(2)和女生181042的交集:
2、看看可疑的渣男3
这哥们实在是厉害呀~数据挖掘显示居然和4个女生同时存在一定的关联!
(\'182239_男\', \'182304_女\'): 39 (\'182239_男\', \'182329_女\'): 40 (\'182239_男\', \'182340_女\'): 37 (\'182239_男\', \'182403_女\'): 35
除了可能的男女朋友关系,在2元数据中更多的是基友或者闺蜜:
(\'180450_女\', \'180484_女\'): 35, (\'180457_女\', \'180493_女\'): 31, (\'180460_女\', \'180496_女\'): 31, (\'180493_女\', \'180500_女\'): 47, (\'180504_女\', \'180505_女\'): 43, (\'180505_女\', \'180506_女\'): 35, (\'180511_女\', \'181847_女\'): 42, (\'180523_男\', \'182415_男\'): 34, (\'180526_男\', \'180531_男\'): 33, (\'180545_女\', \'180578_女\'): 41, (\'180545_女\', \'180615_女\'): 47, (\'180551_女\', \'180614_女\'): 31, (\'180555_女\', \'180558_女\'): 36, (\'180572_女\', \'180589_女\'): 31, (\'181069_男\', \'181103_男\'): 44, (\'181091_男\', \'181103_男\'): 33, (\'181099_男\', \'181102_男\'): 31, (\'181099_男\', \'181107_男\'): 34, (\'181102_男\', \'181107_男\'): 35, (\'181112_男\', \'181117_男\'): 43, (\'181133_男\', \'181136_男\'): 52, (\'181133_男\', \'181571_男\'): 45, (\'181133_男\', \'181582_男\'): 33,
3-4个人
3-4元的数据可能是一个宿舍的同学或者朋友一起的,相对数量会比较少:
len(itemsets[3]) # 18条 {(\'180363_女\', \'181876_女\', \'183979_女\'): 40, (\'180711_女\', \'180732_女\', \'180738_女\'): 35, (\'180792_女\', \'180822_女\', \'180849_女\'): 35, (\'181338_男\', \'181343_男\', \'181344_男\'): 40, (\'181503_男\', \'181507_男\', \'181508_男\'): 33, (\'181552_男\', \'181571_男\', \'181582_男\'): 39, (\'181556_男\', \'181559_男\', \'181568_男\'): 35, (\'181848_女\', \'181865_女\', \'181871_女\'): 35, (\'182304_女\', \'182329_女\', \'182340_女\'): 36, (\'182304_女\', \'182329_女\', \'182403_女\'): 32, (\'183305_女\', \'183308_女\', \'183317_女\'): 32, (\'183419_女\', \'183420_女\', \'183422_女\'): 49, (\'183419_女\', \'183420_女\', \'183424_女\'): 45, (\'183419_女\', \'183422_女\', \'183424_女\'): 48, (\'183420_女\', \'183422_女\', \'183424_女\'): 51, (\'183641_女\', \'183688_女\', \'183690_女\'): 32, (\'183671_女\', \'183701_女\', \'183742_女\'): 35, (\'183713_女\', \'183726_女\', \'183737_女\'): 36}
4元数据只有一条:
总结
关联规则分析是一个经典数据挖掘算法,在消费明细数据、超市购物篮数据、金融保险、信用卡等领域应用的十分广泛。
当我们运用关联分析技术挖掘出频繁出现的组合和强关联规则之后,就可以指定相应的营销策略或者找到不同对象之间的关系。
上面的数据挖掘过程,其实也存在一定的缺陷:
•约束太宽:仅仅是根据时间间隔类型进行分组统计,忽略了学生的专业、消费地点等信息。
•时间太窄:5分钟的时间间隔过去窄,会过滤掉很多信息。
最后的最后,到这里这段时光就伴随着这篇文章结束了,阅读的你正在上大学的话,记得好好珍惜大学时光。这一篇文章就到这里就结束了,喜欢的明人不说暗话,点赞收藏!下一章见。
来源:https://www.cnblogs.com/123456feng/p/16067299.html
本站部分图文来源于网络,如有侵权请联系删除。