這是Python數(shù)據(jù)分析實戰(zhàn)的第一個案例，詳細(xì)解讀TGI指數(shù)，并用Python代碼實現(xiàn)基礎(chǔ)的TGI偏好分析。

經(jīng)常有一些專業(yè)的數(shù)據(jù)分析報告，會提到TGI指數(shù)，例如“基于某某TGI指數(shù)，我們發(fā)現(xiàn)某類用戶更偏好XX”。對于不熟悉TGI定義的同學(xué)，看到類似的話一定是云山霧罩。這次，我們就來聊一聊什么是TGI指數(shù)以及怎么樣結(jié)合案例數(shù)據(jù)實現(xiàn)簡單的TGI偏好分析。

內(nèi)事不決網(wǎng)上搜，對于TGI指數(shù)，百科是這樣解釋的——TGI指數(shù)，全稱Target Group Index，可以反映目標(biāo)群體在特定研究范圍內(nèi)強勢或者弱勢。

很好，這個解釋官方中透漏著專業(yè)，專業(yè)中彌漫著晦澀，晦澀的讓人似懂非懂。粗暴翻譯下來，TGI指數(shù)是反應(yīng)偏好的一種指標(biāo)。這樣還是不夠清楚，我們結(jié)合公式理解一下。

TGI指數(shù)計算公式 = 目標(biāo)群體中具有某一特征的群體所占比例 / 總體中具有相同特征的群體所占比例 * 標(biāo)準(zhǔn)數(shù)100

是不是更暈了?暈就對了!不暈我們還聊啥呢?

01 指標(biāo)拆解

TGI計算公式中，有三個關(guān)鍵點需要進(jìn)一步拆解：某一特征，總體，目標(biāo)群體。

隨便舉個栗子，假設(shè)我們要研究A公司脫發(fā)TGI指數(shù)：

某一特征，就是我們想要分析的某種行為或者狀態(tài)，這里是脫發(fā)(或者說受脫發(fā)困擾)

總體，是我們研究的所有對象，即A公司所有人

目標(biāo)群體，是總體中我們感興趣的一個分組，假設(shè)我們關(guān)注的分組是數(shù)據(jù)部，那目標(biāo)群體就是數(shù)據(jù)部

于是乎，公式中分子“目標(biāo)群體中具有某一特征的群體所占比例”可以理解為“數(shù)據(jù)部脫發(fā)人數(shù)占數(shù)據(jù)部的比例”，假設(shè)數(shù)據(jù)部有15個人，有9個人受脫發(fā)困擾，那數(shù)據(jù)部脫發(fā)人數(shù)占比就是9/15，等于60%。

而分母“總體中具有相同特征的群體所占比例”，等同于“全公司受脫發(fā)困擾人數(shù)占公司總?cè)藬?shù)的比例”，假設(shè)公司一共500人，有120人受脫發(fā)困擾，那這個比例是24%。

所以，數(shù)據(jù)部脫發(fā)TGI指數(shù)，可以用60% / 24% * 100 = 250，其他部門脫發(fā)TGI指數(shù)計算邏輯是一樣的，用本部門脫發(fā)人數(shù)占比 / 公司脫發(fā)人數(shù)占比 * 100即可。

TGI指數(shù)大于100，代表著某類用戶更具有相應(yīng)的傾向或者偏好，數(shù)值越大則傾向和偏好越強;小于100，則說明該類用戶相關(guān)傾向較弱(和平均相比);而等于100則表示在平均水平。

剛才的例子中，我們瞎掰的數(shù)據(jù)部脫發(fā)TGI指數(shù)是250，遠(yuǎn)遠(yuǎn)高于100，看來搞數(shù)據(jù)的脫發(fā)風(fēng)險極高，數(shù)據(jù)才是真正的發(fā)際線推手。 

下面，我們通過一個案例來鞏固概念理解，順便和潘大師(Pandas)過過招。

02 TGI實例分析

項目背景

BOSS拋來一份訂單明細(xì)，“小Z啊，我們最近要推出一款客單比較高的產(chǎn)品，打算在一些城市先試銷，你看看這個數(shù)據(jù)，哪些城市的人有高客單偏好，幫我篩選5個吧”。

小Z趕緊打開表格，看看數(shù)據(jù)到底長什么樣子： 

訂單數(shù)據(jù)包括品牌名、買家姓名、付款時間、訂單狀態(tài)和地域等字段，一共28832條數(shù)據(jù)，沒有空值。

粗略看了幾眼源數(shù)據(jù)，小Z趕緊明確數(shù)據(jù)需求：“領(lǐng)導(dǎo)，那客單比較高的定義是什么?”

“就我們產(chǎn)品線和歷史數(shù)據(jù)來看，單次購買大于50元就算高客單的客戶了”。

確認(rèn)了高客單之后，我們的目標(biāo)非常明確：按照高客單偏好給城市做個排序。這里的偏好，可以用TGI指數(shù)來衡量，我們再次復(fù)習(xí)下TGI三個核心點：

• 特征，高客單，即客戶單次購買超過50元
• 目標(biāo)群體，就是各個城市，這里我們可以分別計算出所有城市客戶的高客單偏好
• 至于總體，就非常直白了，計算所涉及到的所有客戶即為總體

解題的關(guān)鍵在于，計算出不同城市，高客單人數(shù)及所占的比例。

單個用戶打標(biāo)

第一步，我們先判斷每個用戶是否屬于高客單的人群，所以先按用戶昵稱進(jìn)行分組，看每位用戶的平均支付金額。這里用平均，是因為有的客戶多次購買，而每次下單金額也不一樣，故平均之。 

接著，定義一個判斷函數(shù)，如果單個用戶平均支付金額大于50，就打上“高客單”的類別，否則為低客單，再用apply函數(shù)調(diào)用： 

到這里基于高低客單的用戶初步打標(biāo)已經(jīng)完成。

匹配城市

單個用戶的金額和客單標(biāo)簽已經(jīng)搞定，下一步就是補充每個用戶的地域字段，一句pd.merge函數(shù)就能搞定。由于源數(shù)據(jù)是未去重的，我們得先按昵稱去重，不然匹配的結(jié)果會有許多重復(fù)的數(shù)據(jù)： 

高客單TGI指數(shù)計算

要計算每個城市高客單TGI指數(shù)，需要得到每個城市高客單、低客單的人數(shù)分別是多少。如果用EXCEL的數(shù)據(jù)透視表處理起來就很簡單，直接把省份和城市拖拽到行的位置，客單類別拖到列的位置，值隨便選一個字段，只要是統(tǒng)計就好。

不要慌，這一套操作，Python實現(xiàn)起來也灰常容易，pivot_table透視表函數(shù)一行就搞定： 

這樣得到的結(jié)果包含了層次化索引，受篇幅限制就不展開講，我們只要知道要索引得到“高客單”列，需要先索引“買家昵稱”，再索引“高客單”： 

這樣，拿到了每個省市的高客單人數(shù)，然后再拿到低客單的人數(shù)，進(jìn)行橫向合并： 

我們再看看每個城市總?cè)藬?shù)以及高客單人數(shù)占比，來完成“目標(biāo)群體中具有某一特征的群體所占比例”這個分子的計算： 

有些非常小眾的城市，高客單或者低客單人數(shù)等于1甚至沒有，而這些值尤其是空值會影響結(jié)果的計算，我們要提前檢核數(shù)據(jù)： 

果然，高客單和低客單都有空值(可以理解為0)，從而導(dǎo)致總?cè)藬?shù)也存在空值，而TGI指數(shù)對于空值來說意義不大，所以我們剔除掉存在空值的行： 

接著統(tǒng)計總?cè)藬?shù)中，高客單人群的比例，來對標(biāo)公式中的分母“總體中具有相同特征的群體所占比例”： 

最后一步，就是TGI指數(shù)的計算，順便排個序： 

出了結(jié)果，小Z興致勃勃的打算第一時間報告老板，說時遲那時快，在按下回車之前又掃了一眼數(shù)據(jù)，發(fā)現(xiàn)了一個嚴(yán)重的問題：高客單TGI指數(shù)排名靠前的城市，總客戶數(shù)幾乎不超過10人，這樣的高客單人口占比，完全沒有說服力。

TGI指數(shù)能夠顯示偏好的強弱，但很容易讓人忽略具體的樣本量大小，這個是需要格外注意的。

怎么辦呢?為了加強數(shù)據(jù)整體的信度，小Z決定先對總?cè)藬?shù)進(jìn)行篩選，用總?cè)藬?shù)的平均值作為閾值，只保留總?cè)藬?shù)大于平均值的城市： 

處理之后，小Z覺得這份數(shù)據(jù)合理多了。