地铁站点人群复杂度分析，并应用于广告投放

南昌地铁一号线人群复杂度分析

（从本人的ppt搬运来的，排版不好看请谅解）

一、分析目标

人群组成复杂程度，是精准营销体系中最重要的指标之一，其可以进一步反映人群的年龄组成、消费水平、文化程度等；对地铁站点进行人群复杂程度分析，可以辅助地铁广告投放，公共设施建设，安全监管等业务进行决策；
广告投放
快餐广告选择“上班族”多的站点进行投放

公共设施建设
杭州市民中心站“地铁书房”书籍根据人群组成上架不同类型书籍

安全监管力度分配
针对人群组成复杂的区域适当加大监管力度

本文探讨人群复杂程度对地铁广告类型投放的决策分析

二、分析过程设计

人群复杂度K确定

数据显示，在节假日大多数站点流量上升的情况下，师大南路站流量却基本稳定，珠江路流量反而下降；根据站点附近区域特性可知，由于珠江路附近办公楼居多，节假日通勤大幅减少，导致流量降低；师大南路站附近包含商圈、学校、住宅区，人群组成较复杂，故因节假日通勤减少的影响不大。

故可以从节假日的前一天与节假日第一天的流量差距反映该站点人群复杂程度，差距越大人群组成越单一，差距越小人群组成越复杂。
考虑到数据的波动与各站点流量基数不同，确定复杂度指标K计算方式如下图

算法实现

三、分析及结论

数据集给出了2019.9至2020.9的一号线各站点日流量；因广告投放无需考虑不可预知因素，故为保证数据的可参考性，去除疫情期间的数据

数据分析及结论

分析结果显示，庐山南大道站八一广场站等大多数人群组成最复杂，珠江路最单一；
且站点的人群复杂度与流量无明显关系

在广告投放上的应用

完整代码如下：

import pandas as pd
import os
import numpy as np
import requests
import json
import re
import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['KaiTi']
mpl.rcParams['font.serif'] = ['KaiTi']
%matplotlib inline
font2 = {
'weight' : 'normal',
'size'   : 10,
        }
        
filename = r'D:\chormedownloads\地铁1号线运营情况1.xlsx' #该数据已加‘是否为工作日’字段
df = pd.read_excel(filename)
df.head()

#df = df.drop(range(91,243))#去除2019.11至2020.5的受疫情影响数据 

#人群复杂度与流量比例计算
result_df = pd.DataFrame()
for station in list(df.columns.values)[2:]:
    datalist = []
    for i in range(1, len(df)):
        if (not df.iloc[i]['是否工作日']) and (df.iloc[i-1]['是否工作日']):
            hb = abs((df.iloc[i][station]-df.iloc[i-1][station])/df.iloc[i-1][station]) #（节假日第一天流量-前一天流量）/前一天流量
            datalist.append(hb)
    result_df = result_df.append(pd.Series([station, 1/np.mean(datalist), df[station].sum()*(10**-6)]),ignore_index=True)
#result_df = result_df.sort_values([1], ascending=False)
#0,1,2列分别为站点名，人群复杂度，流量比例
result_df