（DT君OS：看到這里，DT君忍不住翻了一個白眼。但本著尊重作者的專業(yè)態(tài)度，DT君還是決定好好看下去……）

第1步：交大女生常在哪里出沒？

知己知彼，才能百戰(zhàn)不殆。

在男女比例為1:0.618的上海交大（注：本數(shù)據(jù)來自上海交大微信公號），要想捕獲一枚交大女神也不是那么容易。

首先，我們得先明確一下，她們都在哪兒出沒。

根據(jù)校園卡數(shù)據(jù)，我們將全校消費的商戶信息分為以下幾類：

可以看出校園卡消費用戶大部分的消費記錄都集中在食堂(72.31%)上；此外洗浴及熱水(19.23%)和超市(6.86%)消費也占據(jù)了一部分，其他的消費記錄(其他服務(wù)、運動、圖書館)只占據(jù)了極小部分(1.60%)。

食堂的就餐行為占整個用戶的刷卡交易行為的72.31%，可見食堂就餐是一卡通持卡用戶交易最頻繁、交易量最大的消費行為。本著最大的可能性，從食堂里找交大女生最為容易了。

因此，我們將重點集中在餐飲消費數(shù)據(jù)，來看看人群的行為習(xí)慣。

先來看看下面這張按照出現(xiàn)頻率統(tǒng)計的消費地點詞云：

由于每條消費記錄會包含一個窗口名稱，還有一個所屬食堂，所以我們很容易得出哪些食堂的哪些地方消費次數(shù)最多，營業(yè)額最高。

根據(jù)窗口信息匯總，最受歡迎的食堂非第三食堂莫屬。新閔行第三餐飲學(xué)生餐廳完成裝修后于2014年9月2日重新投入營業(yè)。在觀測時間范圍內(nèi)，營業(yè)額為3793804元，在各子商戶中排名第一；消費人次達(dá)626013次，同樣位于第一。

而女生的總體商戶消費分布是長這樣子的（看不清沒關(guān)系，有個概念就好，接下來會有解釋）：

可見，無論是小本、碩士、還是女博士，最受姑涼們歡迎的是閔行第三餐飲學(xué)生餐廳和教育超市（DT君OS：都說“玩在復(fù)旦，住在交大，吃在同濟(jì)，愛在華師大”，如今交大女生是要逆天呀……）。

下圖給了你一個全景，讓你看看交大女生的總體消費習(xí)慣是怎么樣：

可以很明顯地看出，女生在就餐上的開銷總體大約比男生少600元，碩士和博士在就餐上的花費范圍也比本科生波動要大一些。

而本科生在超市和點心上的消費比碩士和博士更多，女生在水果和咖啡上的消費也比男生要多一些。

從消費次數(shù)分布可以看到更明顯的一些特征。男生人均比女生在食堂就餐的次數(shù)更多，女生比男生洗澡次數(shù)更多，本科生比碩士和博士生逛超市的次數(shù)更多。從本科到碩士到博士，所念學(xué)歷越高，學(xué)生在食堂就餐的最低次數(shù)逐漸降低，也許是因為忙于科研沒時間出去吃飯，所以養(yǎng)成了點外賣的習(xí)慣～

還有一個很出人意料的結(jié)論：各類用戶（男和女，本碩博）中都有在就餐方面消費總額和次數(shù)均為零的情況，他們從來不在食堂吃飯！

看完了這一節(jié)，你至少知道如何在校園里，和為數(shù)不多的交大女生來一次大概率的偶遇了吧。

第2步：聚類分析劃定五類人，里面就有你要的女神

交大女生那么多？哪一款才是我們的女神呢？讓我們把交大學(xué)生做一次聚類分析。

聚類分析法是一種無監(jiān)督的機(jī)器學(xué)習(xí)方法,即根據(jù)事物某方面特性把它們劃分成為多個類別,使得屬于同一類別的個體具有相似的特性或比較高的相似度,而不屬于同一類別的個體具有不同的特征或比較低的相似度。同一類別的相似性越大,不同類別間差別越大,聚類效果就越好。

因為我們的數(shù)據(jù)集比較大，而涉及到的數(shù)值型的屬性比較多（消費數(shù)額，消費次數(shù)等），所以這里我們選用基于劃分的K-Means聚類。

聚類特征的選取很重要，考慮到對消費人群進(jìn)行畫像，我們選取學(xué)生在食堂、洗浴中心及超市的消費次數(shù)、平均消費金額作為特征。整理好數(shù)據(jù)集后我們查視一下數(shù)據(jù)集的格式：

我們從中選取數(shù)據(jù)的數(shù)值特征，為了保證可靠的方差分析，我們先用scale函數(shù)對樣本特征的取值范圍進(jìn)行歸一化，并繪制組內(nèi)方差圖選取合適的K值，下面的圖表現(xiàn)了不同K值下組內(nèi)方差的結(jié)果。x軸代表聚類個數(shù)，y軸代表平均組內(nèi)方差。我們可以看到，當(dāng)聚類數(shù)目越大的時候，每組的組內(nèi)方差就越小。

可以看出當(dāng)聚類個數(shù)K>5后組內(nèi)方差下降趨勢變緩，同時也保證了K的數(shù)目足夠小，所以我們選取K=5為聚類個數(shù)。

利用R的kmeans函數(shù)可以很快實現(xiàn)K-Means，如下：

得到聚類中心后，我們可以可視化我們的聚類結(jié)果，我們不妨比較一下去食堂次數(shù)以及去超市次數(shù)的聚類散點圖：

可以從圖中看出形成了比較明顯的聚類，即屬于第三聚類的人群去超市次數(shù)多于其他各類，去食堂次數(shù)則相對較少，從生活習(xí)性我們可以推斷這些人可能是比較喜歡買泡面解決飲食的宅男們。

不妨再比較一下去食堂次數(shù)以及去洗浴中心等次數(shù)的聚類散點圖：

我們從圖中可以果斷的找出女神人群就是第一聚類，愛洗澡 生活有規(guī)律(去食堂) 女生占比大的種類，非女神莫屬！（DT君OS：大俠，你的口味好獨特哦?。?/p>

我們可以隨機(jī)抽取50個樣本，繪制聚類熱力圖，如下：

結(jié)合熱力圖和不同性別，不同學(xué)歷在各組間出現(xiàn)的比例，我們可以推測各個組的性質(zhì)。

就此我們可以得到這5類人群的畫像：

• 第一聚類：女神or男神，這一聚類女生比例較高，去食堂次數(shù)十分規(guī)律穩(wěn)定，而且注重個人衛(wèi)生，經(jīng)常去洗澡。

• 第二聚類：潛力股or學(xué)術(shù)帝，男生很多，博士生的比例最高，相對于第一類生活更規(guī)律，去食堂的次數(shù)更多。

• 第三聚類：宅男，這一聚類男生比例極高，去食堂的次數(shù)相對較少，反而經(jīng)常去超市，推測經(jīng)常購買的物品一定是泡面紙巾……

• 第四聚類：奇行種，去食堂、超市、洗浴中心的次數(shù)都很少，不知道他們每天都在哪里。

• 第五聚類：人民群眾，去食堂、超市、洗浴中心的次數(shù)都比較均衡，是我們廣大人民群眾中的一員。

顯然，我們要找的是第一種?？蛇@里面竟然還有男的……（DT君OS：嗯其實找個干凈的男朋友也是不錯的，男生們你們不妨也考慮一下……）

第3步：精準(zhǔn)定位你的女神

見證奇跡的時刻到了。

究竟如何準(zhǔn)確定位女神呢？

我們將消費數(shù)據(jù)與第一聚類匹配，就得到第一聚類中女性（即女神！敲黑板畫重點?。┑南M頻次分布，如下圖：

接著，我們可以利用性別、入學(xué)年份、出生年份、學(xué)位類別、最常去的食堂、就餐均勻度、總就餐次數(shù)和工作日就餐比等特征，匹配自己的資料和就餐習(xí)慣，逐步縮小篩選范圍并最終鎖定目標(biāo)（哪怕數(shù)據(jù)已經(jīng)經(jīng)過了脫敏處理）。

根據(jù)當(dāng)下男生喜歡的類型，我輸入了“年齡?。?5后），本科生，女，愛洗澡愛逛超市，生活有規(guī)律”幾個條件，為你篩選出15個高顏值女神。

當(dāng)然，如果你覺得光是一卡通數(shù)據(jù)不夠精準(zhǔn)定位你的女神，還可以和校園網(wǎng)wifi數(shù)據(jù)結(jié)合起來挖掘，可以進(jìn)一步研究女神的特征，比如她們經(jīng)常訪問一些文藝的網(wǎng)站，購買化妝品、衣服等等（DT君OS：從這里可見，張童鞋是位老司機(jī)）。

彩蛋：我們還可以定位最佳男友哦

這個話題，其實上面已經(jīng)提到一些些了。

好基友的定義有很多種。利用餐飲數(shù)據(jù)，我們簡單的定義最佳好基友為幫基友或舍友帶飯的童鞋；而好男友簡單的定義，則為每次都會幫女友刷卡的童鞋們……他們之間共同的特征是會在連續(xù)打若干次飯，并且價錢相近。利用這條規(guī)則，我們在找到了20000多次刷卡記錄，剔除掉無效的數(shù)據(jù)（同一時間出現(xiàn)兩條數(shù)據(jù)的、聯(lián)系兩次但價格相差很大的），共有10000余條這樣的記錄，這說明至少有10000次這樣代為打飯的同學(xué)。前5名如下所示：

雖然不知道這幾位同學(xué)具體的名字，但是按你胃，你們現(xiàn)在成為國民好男友啦。

數(shù)據(jù)獲取與整理

本文是在一份比賽報告基礎(chǔ)上進(jìn)行改寫的。

本次研究是參加EMC杯智慧校園開放數(shù)據(jù)大賽的比賽報告,比賽舉辦方是交大網(wǎng)絡(luò)信息中心；比賽數(shù)據(jù)由上海交通大學(xué)網(wǎng)絡(luò)信息中心和OMNILab聯(lián)合提供。

研究報告涉及到的數(shù)據(jù)，分為以下幾個部分：

• 用戶信息中包含了上海交通大學(xué)閔行校區(qū)使用過校園卡消費的學(xué)生信息。包擴(kuò)卡號（匿名化）、學(xué)號（匿名化）、性別、年齡、入學(xué)年、學(xué)生類型。共30861項觀測，包含30861個一卡通賬戶、30812個學(xué)號，即有49名學(xué)生擁有兩個一卡通賬戶。時間跨度為2014-09-01至2015-01-31。

• 交易記錄中包含了上海交通大學(xué)閔行校區(qū)的校園卡消費信息。每條交易記錄包括消費者卡號、商戶號、商戶所屬系統(tǒng)、交易時間、交易金額。共7915289項交易記錄，時間跨度為2014-09-01至2015-01-31。

• 商戶信息中包含了上海交通大學(xué)大學(xué)閔行校區(qū)各個商戶的信息。包括商戶所屬系統(tǒng)代碼、商戶所屬系統(tǒng)名稱、商戶代碼、商戶名稱、商戶地點（有缺失）、商戶成立時間。共134項觀測，包含32個商戶系統(tǒng)、85個子商戶。

• 校園網(wǎng)記錄中包含了共12736408項校園網(wǎng)記錄，時間跨度為2014-09-01至2015-01-31。

數(shù)據(jù)俠門派（附第二個彩蛋）

本文數(shù)據(jù)俠：張宏倫，上海交通大學(xué)OMNILab實驗室直博生，研究方向為數(shù)據(jù)分析和數(shù)據(jù)可視化。

好了，答應(yīng)你們的彩蛋來了：

文章的最后，萌主問張宏倫，既然交大女生這么好，你給我介紹個師妹來實習(xí)吧?。ㄟ@是真的！萌主約你一統(tǒng)江湖。）

他回復(fù)：你覺得我有師妹嗎？

BTW，更慘痛的事實是，萌主私下多方打聽了解到，張大俠的女朋友……并不是交大的！

如何加入數(shù)據(jù)俠

“數(shù)據(jù)俠”欄目網(wǎng)羅全球最I(lǐng)N的大數(shù)據(jù)俠客，利用人工智能、機(jī)器學(xué)習(xí)以及各種前瞻算法，打造理性而酷炫的數(shù)據(jù)可視化盛宴。過去，我們用文字，視頻，圖片傳達(dá)信息?，F(xiàn)在，我們用大數(shù)據(jù)闡述事實及其背后邏輯趨勢。

DT時代超級英雄正在組隊！你也想要成為成為數(shù)據(jù)俠嗎？請將你腦洞大開的數(shù)據(jù)作品，發(fā)到數(shù)據(jù)俠聯(lián)盟萌主沈念祖的郵箱：shennianzu@dtcj.com。哦對了，請不要叫她沈先生，切記。

（了解更多有趣又有料的商業(yè)數(shù)據(jù)分析，歡迎關(guān)注DT財經(jīng)微信公眾號“DTcaijing”，下載“DT·一財”APP）