Python数据分析必知必会：TGI指数

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：

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：

果然，高客单和低客单都有空值(可以理解为0)，从而导致总人数也存在空值，而TGI指数对于空值来说意义不大，所以我们剔除掉存在空值的行：

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”：

最后一步，就是TGI指数的计算，顺便排个序：

出了结果，小Z兴致勃勃的打算第一时间报告老板，说时迟那时快，在按下回车之前又扫了一眼数据，发现了一个严重的问题：高客单TGI指数排名靠前的城市，总客户数几乎不超过10人，这样的高客单人口占比，完全没有说服力。

TGI指数能够显示偏好的强弱，但很容易让人忽略具体的样本量大小，这个是需要格外注意的。

怎么办呢?为了加强数据整体的信度，小Z决定先对总人数进行筛选，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：

处理之后，小Z觉得这份数据合理多了。

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!