[数据分析笔记] Pandas处理TGI指标

1.指标拆解

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

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。

• 某一特征：想要分析的某种行为或者状态，比如打篮球
• 总体：是我们研究的所有对象，比如一个学校里的所有人
• 目标群体：是总体中我们感兴趣的一个分组，比如一个班

假设一个班有50个人，有20个人喜欢打篮球，那么这个比例就是40%，即“目标群体中具有某一特征的群体所占比例” = 40%。

假设一个学校有1000人，有300个人喜欢打篮球，那么这个比例就是30%，即“总体中具有相同特征的群体所占比例” = 30%。

TGI指数 = (40% / 30%) * 100 = 133

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，则说明该类用户相关倾向较弱（和平均相比）；而等于100则表示在平均水平。

2.TGI实例分析

2.1 导入数据

import pandas as pd
df = pd.read_excel('TGI-data.xlsx')
df.head()

df.info()

2.2 单个客户打标

• 特征，高客单，即客户单次购买超过50元
• 目标群体，就是各个城市，这里我们可以分别计算出所有城市客户的高客单偏好
• 总体，计算所涉及到的所有客户即为总体

解题的关键在于，计算出不同城市，高客单人数及所占的比例。

第一步，我们先判断每个用户是否属于高客单的人群，所以先按用户昵称进行分组，看每位用户的平均支付金额。这里用平均，是因为有的客户多次购买，而每次下单金额也不一样，故平均之。

gp_user = df.groupby('买家昵称')['实付金额'].mean().reset_index()
gp_user.head()

接着，定义一个判断函数，如果单个用户平均支付金额大于50，就打上“高客单”的类别，否则为低客单，再用apply函数调用：

def if_high(x):
    if x > 50:
        return '高客单'
    else:
        return '低客单'

gp_user['客单类别'] = gp_user['实付金额'].apply(if_high)
gp_user.head(10)

2.3 匹配城市

单个用户的金额和客单标签已经搞定，下一步就是补充每个用户的地域字段，一句pd.merge函数就能搞定。由于源数据是未去重的，我们得先按昵称去重，不然匹配的结果会有许多重复的数据：

去重
df_dup = df.loc[df.duplicated('买家昵称') == False, :]

合并
df_merge = pd.merge(gp_user, df_dup, left_on='买家昵称', right_on='买家昵称', how='left')
df_merge.head()

2.4 高客单TGI指数计算

要计算每个城市高客单TGI指数，需要得到每个城市高客单、低客单的人数分别是多少。

先筛选出我们需要的列
df_merge = df_merge[['买家昵称', '客单类别', '省份', '城市']]

再用透视表
result = pd.pivot_table(
    df_merge,
    index = ['省份', '城市'],
    columns = '客单类别',
    aggfunc = 'count',
)
result.head()

这样得到的结果包含了层次化索引,要索引得到“高客单”列，需要先索引“买家昵称”，再索引“高客单”：

result['买家昵称']['高客单'].reset_index().head()

这样，拿到了每个省市的高客单人数，然后再拿到低客单的人数，进行横向合并：

tgi = pd.merge(
    result['买家昵称']['高客单'].reset_index(),
    result['买家昵称']['低客单'].reset_index(),
    left_on = ['省份', '城市'],
    right_on = ['省份', '城市'],
    how = 'inner'
)
tgi.head()

我们再看看每个城市总人数以及高客单人数占比，来完成“目标群体中具有某一特征的群体所占比例”这个分子的计算：

tgi['总人数'] = tgi['高客单'] + tgi['低客单']
tgi['高客单占比'] = tgi['高客单'] / tgi['总人数']

tgi.head()

有些非常小众的城市，高客单或者低客单人数等于1甚至没有，而这些值尤其是空值会影响结果的计算，我们要提前检核数据：

tgi.info()

剔除掉存在空值的行

tgi = tgi.dropna()

接着统计总人数中，高客单人群的比例，来对标公式中的分母“总体中具有相同特征的群体所占比例

total_percentage = tgi['高客单'].sum() / tgi['总人数'].sum()
total_percentage

0.41528303343887557

最后一步，就是TGI指数的计算，顺便排个序

tgi['高客单TGI指数'] = tgi['高客单占比'] / total_percentage * 100
tgi = tgi.sort_values('高客单TGI指数', ascending=False)
tgi.head()

对总人数进行筛选，用总人数的平均值作为阈值，只保留总人数大于平均值的城市

tgi.loc[tgi['总人数'] > tgi['总人数'].mean(), :].head()