数据分析必知必会 | TGI指数分析实战

这是Python数据分析实战的第一个案例，详细解读TGI指数，并用Python代码实现基础的TGI偏好分析。

经常有一些专业的数据分析报告，会提到TGI指数，例如“基于某某TGI指数，我们发现某类用户更偏好XX”。对于不熟悉TGI定义的同学，看到类似的话一定是云山雾罩。这次，我们就来聊一聊什么是TGI指数以及怎么样结合案例数据实现简单的TGI偏好分析。

内事不决网上搜，对于TGI指数，百科是这样解释的——TGI指数，全称Target Group Index，可以反映目标群体在特定研究范围内强势或者弱势。

很好，这个解释官方中透漏着专业，专业中弥漫着晦涩，晦涩的让人似懂非懂。粗暴翻译下来，TGI指数是反应偏好的一种指标。这样还是不够清楚，我们结合公式理解一下。

TGI指数计算公式 = 目标群体中具有某一特征的群体所占比例 / 总体中具有相同特征的群体所占比例  * 标准数100

是不是更晕了？晕就对了！不晕我们还聊啥呢？

01  指标拆解

TGI计算公式中，有三个关键点需要进一步拆解：某一特征，总体，目标群体。

随便举个栗子，假设我们要研究A公司脱发TGI指数：

• 某一特征，就是我们想要分析的某种行为或者状态，这里是脱发（或者说受脱发困扰）

• 总体，是我们研究的所有对象，即A公司所有人

• 目标群体，是总体中我们感兴趣的一个分组，假设我们关注的分组是数据部，那目标群体就是数据部

于是乎，公式中分子“目标群体中具有某一特征的群体所占比例”可以理解为“数据部脱发人数占数据部的比例”，假设数据部有15个人，有9个人受脱发困扰，那数据部脱发人数占比就是9/15，等于60%。

而分母“总体中具有相同特征的群体所占比例”，等同于“全公司受脱发困扰人数占公司总人数的比例”，假设公司一共500人，有120人受脱发困扰，那这个比例是24%。

所以，数据部脱发TGI指数，可以用60% / 24% * 100 = 250，其他部门脱发TGI指数计算逻辑是一样的，用本部门脱发人数占比 / 公司脱发人数占比 * 100即可。

TGI指数大于100，代表着某类用户更具有相应的倾向或者偏好，数值越大则倾向和偏好越强；小于100，则说