学生校园消费行为分析

学生校园消费行为分析

1. 数据说明

data1.csv、data2.csv对应学生ID表、消费记录表，它们的数据说明分别如表 1和表 2所示。

表 1 data1.csv字段说明

字段名	描述
Index	序号
CardNo	校园卡号。每位学生的校园卡号都唯一
Sex	性别。分为“男”和“女”
Major	专业名称
AccessCardNo	门禁卡号。每位学生的门禁卡号都唯一

表 2 data2.csv字段说明

字段名	描述
Index	流水号。消费的流水号
CardNo	校园卡号。每位学生的校园卡号都唯一
PeoNo	校园卡编号。每位学生的校园卡编号都唯一
Date	消费时间
Money	消费金额。单位：元
FundMoney	存储金额。单位：元
Surplus	余额。单位：元
CardCount	消费次数。累计消费的次数
Type	消费类型
TermSerNo	消费项目的序列号
conOperNo	消费操作的编码

1. 任务1 数据探索与预处理

1. 任务1.1 根据实际项目需求对数据进行必要的数据探索和数据预处理。
2. 任务1.2 对学生个人信息表和消费记录表进行关联。
   1. 数据探索

1. 统计data1的空值，如图 1所示。

图 1 data1的空值

1. 对data2消费表的Money字段进行统计分析，如均值、方差等，如图 2所示。

图 2 data2的Money字段的统计分析

根据对消费表的Money字段进行统计分析，最大值为900，在实际学校学生消费情况来看，不合理。

观察原data2表，如图 3所示，可以看到Money=900的Type类型为取款，这时再结合分析内容为“学生校园消费行为分析”，所以只要选择Type为消费的类型，就可以去除异常数据。

图 3 Money=900的数据

1. 统计data2消费表的空值情况，如图 4所示。

 

图 4 统计data2消费表的空值情况

根据图 4的统计情况，可以知道TermSerNo、conOperNo字段缺失过多，所以可以在预处理时，直接删除这些字段。

代码 1 数据探索

import pandas as pd import os os.chdir('F:\产品部\在线实习\数据及代码v2.1') data1 = pd.read_csv('data\data1.csv', encoding = 'gbk') data2 = pd.read_csv('data\data2.csv', encoding = 'gbk') # ----------data1数据探索----------- # data1查看描述性统计 print(data1.describe()) # 查看data1数据类型 print(data1.dtypes) # 统计空值 print(data1.isnull().sum()) # ----------data2数据探索----------- # data2查看描述性统计 data2_des = data2['Money'].describe() print(data2_des) # 统计空值 data2_null = data2.isnull().sum() data2_null = pd.DataFrame(data2_null,columns=['missing_value']) print(data2_null) print('data1数据形状',data1.shape) print('data2数据形状',data2.shape)

1. 1. 缺失值处理

通过对学生消费记录进行缺失值检查，发现存在缺失值较大的两个列，分别是TermSerNo列和conOperNo列，缺失值分别达到512106和519116，对于缺失值较大的列，在实际的数据分析中无意义，予以删除处理。

代码 2 缺失值处理

# 缺失值处理,筛选不要的列 data2 = data2.drop(['TermSerNo', 'conOperNo'], axis = 1) data2 = data2.dropna() # 去空值

1. 1. 重复值处理

查看data1的重复值。因为每位学生的校园卡号和门禁卡号都唯一，所以要进行重复值检查。

代码 3 字段异常值处理

# 查看data1的CardNo有没有重复值 data1_drop=data1.drop_duplicates(['CardNo']) print('CardNo去重前数据形状:',data1.shape) print('CardNo去重后数据形状:',data1_drop.shape) # 查看data1的AccessCardNo有没有重复值 data1_drop=data1.drop_duplicates(['AccessCardNo']) print('AccessCardNo去重前数据形状:',data1.shape) print('AccessCardNo去重后数据形状:',data1_drop.shape)

图 5 去重情况

由图 5可知，CardNo没有重复值，AccessCardNo列有两条记录存在重复，但是我们是否要进行处理呢，还要根据实际进行下一步的分析。

图 6 重复值

由图 6可知，虽然AccessCardNo列存在重复，但是CardNo是没有的，由于最终使用的是CardNo字段进行表关联，并没有使用AccessCardNo，且AccessCardNo对后续的任务没有影响，在这里可不做处理。

1. 1. 异常值处理

查看data2学生消费表的消费时间是否存在异常值，以及只筛选消费类型的记录。

代码 4 时间异常值处理

# 修改Date列为时间序列 data2['Date']=pd.to_datetime(data2['Date']) # 查看data2学生消费表的消费时间有没有异常值 data2['hour']=data2.Date.dt.hour  #提取小时 print('最小时间',data2['hour'].min()) print('最大时间',data2['hour'].max()) # data2 消费时间异常，正常的学校饭堂并不会通宵营业，所以筛选5点以后的数据 data2=data2[data2['hour']>5] # 筛选消费类型的记录 data2=data2[data2['Type'] =='消费']

提取小时出来，发现分布在0-23时之间，没有异常。由于该分析过程学校食堂的营业时间为6:00-24:00，因此对0:00-6:00之内的所有消费记录记为异常值并删除。

1. 1. 数据合并

对消费表录与学生表进行合并，合并结果如图 7所示。

图 7 合并结果

代码 5 数据合并

# 对学生个人信息表和消费记录表进行关联 data_mer = pd.merge(data1, data2, left_on = 'CardNo', right_on = 'CardNo', how = 'inner') # 统计合并后数据 data_out = data_mer['Money'].describe().T data_out = data_mer.isnull().sum(axis=0) data_out = pd.DataFrame(data_out,columns=['missing_value']) print(data_out) print('合并后数据形状',data_mer.shape) # 保存数据 data_mer.to_csv('tmp/data_mer.csv',index = False,encoding = 'gbk') data2.to_csv('tmp/data2.csv',index = False,encoding = 'gbk')

这里使用pandas库中的merge函数，关联主键为CardN，关联方式为“inner”。

1. 任务2 食堂就餐行为分析

1. 任务2.1 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。
2. 任务2.2 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。
   1. 学生早中晚餐就餐地点占比饼图

1. 查看数据，如图 8所示，可以看到Dept字段除了有食堂类型外，还有其他地点，如人文社科等。根据要求，绘制的是学生就餐地点饼图，所以只提取有关食堂的记录，考虑到教师食堂一般不对学生开放，故不纳入学生就餐餐厅范围内。

图 8 统计Dept字段

1. 因为学生打饭为饭菜分开，不能刷卡一次就认为就餐一次，所以需要引入就餐人次的定义：如果学生前后刷卡时间小于10分钟（600秒）的数据，那么就统计为一次就餐次数。

图 9 就餐人次

如图 9所示，卡号为181058的学生，在6点33、34、35分都有刷卡记录，看刷卡金额也可以知道，这是一次就餐行为，如果直接统计刷卡频次作为就餐频次，显然不合理。

处理学生消费记录表，合并同一地点同一刷卡时间的就餐记录。

实现过程如下：

• 添加一列标签列lab；
• 用shift()函数判断，如果前一个就餐地点不等于下一个就餐地点，那么记为标签为1；
• 对每个卡号分别计算前后刷卡时间差（单位：秒），在这个过程一定要对时间进行排序，计算的时间差才是前后刷卡时间差。如果时间差大于10分钟，那么记为标签为1；
• 用dcumsum()函数对标签列lab，进行累记，记为re_index列；
• 对re_index进行分组聚和，求一次就餐金额、刷卡时间和，并且进行去重；
• 最后直接统计每个卡号的长度即为就餐频次，消费金额为一次就餐金额。

图 10 计算就餐人次

如图 10所示，卡号为181058的学生，在6点33、34、35分都有刷卡记录，通过计算在同一地点（第二食堂），就餐金额为4.5元，只要对re_index进行去重，统计频数，就可得出就餐次数。

代码 6 筛选数据和统计就餐次数

# 任务2.1 # 筛选食堂的数据 import pandas as pd from collections import Counter import matplotlib.pyplot as plt import warnings warnings.filterwarnings("ignore") import os os.chdir('F:\产品部\在线实习\数据及代码v2.1') data2= pd.read_csv("tmp\data2.csv" ,encoding = 'gbk') index=['第一食堂','第二食堂','第三食堂','第四食堂','第五食堂'] data = data2.loc[data2['Dept'].isin(index)] data['Date'] = pd.to_datetime(data['Date'], format='%Y-%m-%d %H:%M:%S') # 处理单个学生消费记录表，合并同一地点同一刷卡时间的就餐记录。 # 实现过程：1、为了实现“前后刷卡”，所以对时间进行排序 # 2、添加一列标签列 # 3、用shift()函数判断，如果前一个就餐地点不等于下一个，那么记为标签为1 # 4、用diff()函数计算前后刷卡时间差 # 5、如果时间差大于10分钟，那么记为标签为1 # 6、用dcumsum()函数对标签列进行累记，记为re_index列 # 7、对re_index进行分组聚和，求一次就餐金额、刷卡时间和，并且进行去重 def deal_data(data):     data=data.sort_values(by='Date')  # 对时间进行排序     data['lab']=0     data.loc[data['Dept']!=data['Dept'].shift(1),'lab']=1     data['s']=data['Date'].diff()     # 时间差转化为秒     data['s']=[s.total_seconds() for s in data['s']]     # 默认第一次刷卡为一次就餐，赋值大于阈值即可(设置为10分钟=600秒)     data.loc[data['s']>600,'lab']=1     data['re_index']=data['lab'].cumsum()     df1=data.groupby(['re_index']).agg({'Money':sum,'s':sum}).reset_index()     data_new=pd.merge(data,df1,on='re_index')     data_new=data_new.drop_duplicates(['re_index'])     del data_new['s_x'],data_new['re_index'],data_new['Money_x']     return data_new # 对所有学生进行分组，处理消费记录 data_new=data.groupby(['CardNo']).apply(deal_data)

1. 根据如下分类，绘制学生早中晚餐就餐地点的占比饼图。

早餐：6点，7点，8点，9点；

午餐：11点，12点，13点；

晚餐：17点，18点，19点，20点。

早餐就餐次数如图 11所示。

图 11 早餐就餐次数

午餐就餐次数如图 12所示。

图 12 午餐就餐次数

晚餐就餐次数如图 13所示。

图 13 晚餐就餐次数

代码 7 划分早中晚并统计就餐次数

# 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。 # 提取早中晚时间 data_morning = data_new.loc[(data_new['hour'].apply(lambda x: x in [6, 7, 8, 9,])),  :] data_noon = data_new.loc[(data_new['hour'].apply(lambda x: x in [11, 12, 13])),  :] data_dinner = data_new.loc[(data_new['hour'].apply(lambda x: x in [17, 18, 19, 20])),  :] # 统计早中晚餐就餐次数 data_dict1 = pd.DataFrame.from_dict(Counter(data_morning['Dept']), orient = 'index').reset_index() data_dict2 = pd.DataFrame.from_dict(Counter(data_noon['Dept']), orient = 'index').reset_index() data_dict3 = pd.DataFrame.from_dict(Counter(data_dinner['Dept']), orient = 'index').reset_index() data_dict1.columns = ['Dept', 'Count'] data_dict2.columns = ['Dept', 'Count'] data_dict3.columns = ['Dept', 'Count']

早中晚餐就餐地点的占比饼图，如图 14：

图 14 早中晚餐就餐地点的占比饼图

分析如下：

早餐：学生就餐地点第二食堂人数最多，其次为第五食堂等；

午餐：学生就餐地点第四食堂人数最多，其次为第五食堂、第二食堂、第三食堂等；

晚餐：学生就餐地点第四食堂人数最多，其次为第五食堂、第二食堂等。

对于时间段而言，第二、五食堂的早餐供应量可以增加，第三、四食堂的早餐供应量可以减少，午餐晚餐的各个食堂的就餐人数都相对均衡，可以不做调整。

代码 8 绘制占比饼图

plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置中文显示 p = plt.figure(figsize = (24, 8))  # 将画布设定为正方形，则绘制的饼图是正圆 ax1 = p.add_subplot(1,3,1) label1 = data_dict1['Dept']  # 定义饼图的标签，标签是列表 values1 = data_dict1['Count'] plt.pie(values1, autopct = '%1.1f%%', labels = label1)  # 绘制饼图 plt.title('早餐就餐地点饼图')  # 绘制标题 plt.legend(loc='upper right') ax2 = p.add_subplot(1,3,2) label2 = data_dict2['Dept']  # 定义饼图的标签，标签是列表 values2 = data_dict2['Count'] plt.pie(values2, autopct = '%1.1f%%', labels = label2)  # 绘制饼图 plt.title('午餐就餐地点饼图')  # 绘制标题 plt.legend(loc='upper right') ax3 = p.add_subplot(1,3,3) label3 = data_dict3['Dept']  # 定义饼图的标签，标签是列表 values3 = data_dict3['Count'] plt.pie(values3, autopct = '%1.1f%%', labels = label3)  # 绘制饼图 plt.title('晚餐就餐地点饼图')  # 绘制标题 plt.legend(loc='upper right') plt.show()

1. 1. 工作日和非工作日食堂就餐时间曲线图
2. 根据如下分类，绘制工作日和非工作日食堂就餐时间曲线图。

工作日：星期一、二、三、四、五，以及调休日（由于五一假期，所以04-28要上班）.

非工作日：星期六、日，节假日（清明节）。

实现过程如下（0表示工作日，1表示非工作日）：

• 对日期划分星期，并新增weekday字段，对星期1-5标记为0，星期6、7标记为1；

其中四月份还包含节假日，要另外处理；

• 节假日处理：提取天数，并新增day字段，判断如果day等于节假日时间，那么标记为1。

部分数据如图 15所示。

图 15 工作日与非工作日划分

工作日每小时食堂就餐频次如图 16所示。

图 16 工作日每小时食堂就餐频次

非工作日每小时食堂就餐频次如图 17所示。

图 17 非工作日每小时食堂就餐频次

代码 9 划分工作与非工作日并统计就餐次数

# 任务2.2 # 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。 # 划分工作日和非工作日，0表示工作日，1表示非工作日 data_new['day'] = data_new['Date'].apply(lambda x: x.day) # 工作日与休息日 data_new['weekday'] = data_new['Date'].apply(lambda x: x.weekday()+1) isrest = ((data_new['weekday'] == 6) | (data_new['weekday'] == 7))   data_new['label'] = isrest*1 # 节假日(5、6、7日为清明节放假，28日因五一假期，所以调休后04-28要上班) holiday = [5, 6, 7] for i in holiday:     data_new.loc[data_new['day']==i,'label']=1 data_new.loc[data_new['day']==28,'label']=0 data_weekday = data_new[data_new['label']==0] # 提取工作日数据 data_weekend = data_new[data_new['label']==1] # 提取非工作日数据 print(data_weekday.shape) print(data_weekend.shape) # 计算工作日和非工作日每小时食堂就餐频次 data_gb1 = data_weekday['label'].groupby(data_weekday['hour']).count().reset_index() data_gb2 = data_weekend['label'].groupby(data_weekend['hour']).count().reset_index()

1. 根据工作日和非工作日的label字段标签进行分组聚合，绘制折线图，如图 18所示。

图 18 工作日和非工作日就餐时间曲线图

1. 对于就餐时间而言，工作日早中晚的供应量应该要增加，非工作日早餐可以考虑减少供应量以避免食物浪费。
2. 在工作日就餐高峰期基本都是学生放学后的就餐时间，所以人流大。针对这种情况，学校可以采用分流的方式，调整学生上下课时间，把不同课程的学生上下课时间错开。
3. 食堂可以在高峰期前一两个小时开始准备食物，以避免时间的浪费。
4. 整体来看，可以在周末仅开设第二食堂和第五食堂，在休息日就餐数量来看，这两个食堂足够去供应人们的就餐消费，而且同时还可以减少运营的成本。

代码 10 工作日和非工作日食堂就餐时间折线图

# 画工作日和非工作日食堂就餐时间折线图 plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置中文显示 p = plt.figure(figsize = (18, 6))   # 将画布设定为正方形，则绘制的饼图是正圆 ax1 = p.add_subplot(1,2,1) plt.plot(data_gb1['hour'], data_gb1['label']) plt.title('工作日食堂就餐时间曲线图') ax2 = p.add_subplot(1,2,2) plt.plot(data_gb2['hour'], data_gb2['label']) plt.title('非工作日食堂就餐时间曲线图') plt.show()   # 显示图形 data.to_csv('tmp/data2_new.csv',index = False,encoding = 'gbk')

1. 任务3 学生消费行为分析

1. 任务3.1 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，分析不同专业间不同性别学生群体的消费特点。
2. 任务3.2 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，为学校判定学生的经济状况提供参考意见。
   1. 计算本月刷卡频次和人均消费

1. 本月人均刷卡频次和人均消费如表 3所示。

表 3 本月人均刷卡频次和人均消费

人均刷卡频次	人均消费
58.521981939163496	246.217105513308

代码 11 本月人均刷卡频次和人均消费

import numpy as np import pandas as pd import matplotlib.pyplot as plt # 任务3.1 import os os.chdir('F:\\产品部\\数据及代码\\tmp') data2= pd.read_csv('data2.csv', encoding = 'gbk') # 总消费次数 tic = len(data2) # 总消费金额 price = data2['Money'].sum() # 总人数 people = len(data2['CardNo'].unique()) # 本月人均刷卡频次 aver_tic = tic/people print('本月人均刷卡频次',aver_tic) # 人均消费金额 aver_price = price/people print('本月人均消费金额',aver_price)

1. 为了分析不同专业、不同性别的学生消费，所以还是使用合并后的数据，不同专业间不同性别学生消费情况，如图 19所示。

图 19 不同专业间不同性别学生消费情况

代码 12 绘制不同专业、不同性别人均消费柱状图

data_mer= pd.read_csv('../tmp/data_mer.csv', encoding = 'gbk') # 计算不同专业、不同性别人均消费 data_gb1 = data_mer['Money'].groupby(data_mer['Major']).mean().reset_index() data_gb2 = data_mer['Money'].groupby([data_mer['Sex'], data_mer['Major']]).mean().reset_index() data_boy = data_gb2[data_gb2['Sex'] == '男'] data_girl = data_gb2[data_gb2['Sex'] == '女'] # 绘制不同专业、不同性别人均消费柱状图 plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置中文显示 p = plt.figure(figsize = (36,12))  # 将画布设定为正方形，则绘制的饼图是正圆 ax1 = p.add_subplot(1,3,1) plt.bar(data_gb1['Major'], data_gb1['Money']) plt.title('不同专业人均消费柱状图', size=20)  # 绘制标题 plt.xticks(rotation=90, size=14) ax2 = p.add_subplot(1,3,2) plt.bar(data_boy['Major'], data_boy['Money']) plt.title('男生人均消费柱状图', size=20)  # 绘制标题 plt.xticks(rotation=90, size=14) ax3 = p.add_subplot(1,3,3) plt.bar(data_girl['Major'], data_girl['Money']) plt.title('女生人均消费柱状图', size=20)  # 绘制标题 plt.xticks(rotation=90, size=14) plt.show()

1. 分析不同专业不同性别学生消费特点，我们可以选择三个专业，一共有42个专业，从经管类、工科、艺术类分别选取一个代表进行研究。分别选取了18国际金融、18计算机网络、18艺术设计三个专业，如表 4所示。

表 4 专业人均刷卡频次和人均消费

	18国际金融	18计算机网络	18艺术设计
专业人均消费	3.87	4.83	3.91
专业男生人均消费	5.17	5.16	4.43
专业女生人均消费	3.69	3.55	3.66

为了分析不同专业不同性别的学生消费情况，所以可以绘制柱状图，进行直观的分析，如图 20所示。

图 20 不同专业消费柱状图

消费特点如下：

1. 18计算机网络的专业人均消费额都比18艺术设计、18国际金融的高；
2. 总体来说，男生消费水平比女生高。

代码 13 选择三个专业进行分析

# 选择三个专业，分析不同专业不同性别学生消费特点，一共有4 2个专业，从经管类、工科、艺术类分别选取一个代表进行研究。 # 分别选取了18国际金融、18计算机网络、18艺术设计三个专业。 major = ['18国际金融','18计算机网络','18艺术设计'] data_gb3 = data_gb1.loc[data_gb1['Major'].isin(major)] data_boy1 = data_boy.loc[data_boy['Major'].isin(major)] data_girl1 = data_girl.loc[data_girl['Major'].isin(major)] # 绘制三个专业、不同性别人均消费柱状图 plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置中文显示 p = plt.figure(figsize = (12,6))  # 将画布设定为正方形，则绘制的饼图是正圆 ax1 = p.add_subplot(1,3,1) plt.bar(data_gb3['Major'], data_gb3['Money']) plt.title('不同专业人均消费柱状图', size=20)  # 绘制标题 plt.xticks(rotation=90, size=14) ax2 = p.add_subplot(1,3,2) plt.bar(data_boy1['Major'], data_boy1['Money']) plt.title('男生人均消费柱状图', size=20)  # 绘制标题 plt.xticks(rotation=90, size=14) ax3 = p.add_subplot(1,3,3) plt.bar(data_girl1['Major'], data_girl1['Money']) plt.title('女生人均消费柱状图', size=20)  # 绘制标题 plt.xticks(rotation=90, size=14) plt.show()

1. 1. K-Mean聚类
2. K-Means算法是一种常用的聚类算法，简单易行且适用于大中型数据量的数据聚类。本次分析将采用K-Means算法，根据学生的消费行为对学生进行分类，最终得到不同特征的学生群体，并分析不同学生群体存在的特征。构建指标求平均每餐消费额，需要合并前后刷卡时间小于10分钟的消费额，作为一次就餐金额。

根据学生的校园消费行为，构建的特征如表 5所示。

表 5 聚类特征

特征	morning_data	noon_data	dinner_data	month_count
含义	早餐平均每餐消费额	午餐平均每餐消费额	晚餐平均每餐消费额	月就餐次数

合并特征，如图 21所示。

图 21 聚类特征

代码 14构建特征

# 任务3.2 # 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 data_new = pd.read_csv("tmp\data_new.csv" ,encoding = 'gbk') #构建特征：1、早餐平均每餐消费额；2、午餐平均每餐消费额；3、晚餐平均每餐消费额 morning_data = data_new.loc[(data_new['hour'].apply(lambda x: x in [6, 7, 8, 9,])),  :] noon_data = data_new.loc[(data_new['hour'].apply(lambda x: x in [11, 12, 13])),  :] dinner_data = data_new.loc[(data_new['hour'].apply(lambda x: x in [17, 18, 19, 20])),  :] morning_data=morning_data[['CardNo','Money_y']].groupby(by='CardNo').mean().reset_index() noon_data=noon_data[['CardNo','Money_y']].groupby(by='CardNo').mean().reset_index() dinner_data=dinner_data[['CardNo','Money_y']].groupby(by='CardNo').mean().reset_index() # 4、月就餐次数 month_count=data_new[['CardNo','Money_y']].groupby(by='CardNo').count().reset_index() # 合并特征 features = pd.merge(morning_data,noon_data,on='CardNo',how='inner') features = pd.merge(dinner_data,features,on='CardNo',how='inner') features = pd.merge(month_count,features,on='CardNo',how='inner') features.columns=['CardNo','月就餐次数','晚餐平均每餐消费额','早餐平均每餐消费额','午餐平均每餐消费额'] # 修改列名

1. 根据特征数据做标准化处理后，做出轮廓系数走势图，使用轮廓系数法确定聚类的分类簇的数量，如图 22所示。

图 22 轮廓系数走势图

根据轮廓系数走势图可以看出，聚类数目为3时平均畸变程度最大，所以确定聚类的数目为3。

代码 15 轮廓系数走势图

from sklearn import preprocessing from sklearn.cluster import KMeans # 标准化处理 data_prp = preprocessing.scale(features.iloc[:,1:]) # 轮廓系数法确定聚类数 from sklearn.metrics import silhouette_score silhouettteScore=[] for i in range(2,8):     kmeans1=KMeans(n_clusters=i,random_state=123).fit(data_prp )     score=silhouette_score(data_prp ,kmeans1.labels_)     silhouettteScore.append(score) plt.figure(figsize=(6,4)) plt.plot(range(2,8),silhouettteScore,linewidth=1.5,linestyle="-") plt.show()

1. 使用K-Means构建聚类模型。

代码 16 Kmeans模型

# 构建Kmeans模型 kmeans_model = KMeans(n_clusters= 3, max_iter = 100) kmeans_model.fit(data_prp) fit_label = kmeans_model.labels_ features['fit_label']=fit_label center=kmeans_model.cluster_centers_

1. 对聚类结果进行分群分析，绘制雷达图，如图 23所示。

图 23 雷达图

代码 17 分群雷达图

# 分群雷达图 fig = plt.figure(figsize=(8,8)) plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置字体为SimHei显示中文 ax = fig.add_subplot(111, polar=True)  # polar参数 labels=['月就餐次数','晚餐平均每餐消费额','早餐平均每餐消费额','午餐平均每餐消费额'] angles = np.linspace(0, 2*np.pi,4, endpoint=False) angles = np.concatenate((angles, [angles[0]])) # 闭合 for i in range(3):     data= np.concatenate((center[i], [center[i][0]])) # 闭合     ax.plot(angles, data) ax.set_thetagrids(angles * 180/np.pi, labels) plt.legend(("学生分群1","学生分群2","学生分群3"),loc=1) # 图例 ax.set_title("学生分群雷达图") # 绘制标题 ax.grid(True) # 显示网格 plt.show()

1. 1. 聚类结果分析

学生群体的消费分析：

学生群体1：在食堂就餐少，所以消费额也相对少。 

学生群体2：在早餐平均每餐消费额、午餐平均每餐消费额、晚餐平均每餐消费额特征上最大，月就餐次数少，说明该群体每餐消费额多，并且在食堂就餐次数少。

学生群体3：在早餐平均每餐消费额、午餐平均每餐消费额、晚餐平均每餐消费额特征上小，但是月就餐次数最大，说明该群体每餐消费额少，但是在食堂就餐次数多。

通过对学生群体的消费行为进行分析，发现学生群体3消费金额低说明该群体节俭，月就餐次数高说明除了在经常食堂消费且消费额少。由此可以判定，此类学生群体为贫困学生，对于此类群体的学生，助学金的评定可以大比例的向该类学生群体倾斜。