目录

1. 项目背景

2. 任务目标与技术栈

3. 整体分析流程

4. 特征工程

4.1 消费数据处理

4.2 时段特征与就餐规律

4.3 经济稳定性特征

5. 核心方案：双层筛选模型与算法优势

第一层：放宽金额初筛

第二层：生活困难指数精选

双层筛选可视化

5.1 全貌对比：单一指标 vs 多维画像

5.2 多维度特征对比

5.3 模型验证：孤立森林交叉验证

6. 困难学生深度画像与可视化解读

6.1 三餐省在哪里？——省钱部位定位

6.2 营养规律性：缺早餐率分析

6.3 经济稳定性：消费波动与持续低消

6.4 月度消费趋势：压力敏感窗口识别

7. 精准资助：三层托底体系

7.1 补贴金额测算

7.2 三层资助体系可视化

8. 结果总结

8.1 贫困识别结论

8.2 资助方案结论

9. 结语

1. 项目背景

在传统的校园资助工作中，我们通常面临两大痛点：一是"边缘学生漏检"——有些学生虽然总体消费金额不低，但为了省钱常年不吃早餐，这种隐性贫困容易被忽视；二是"资助手段单一"——通常是统一发放固定金额，难以满足不同学生的具体困难。

传统方法依赖学生主动申报或班主任经验判断，存在遗漏或主观偏差。本项目的核心逻辑在于非入侵式识别：利用Python对校园卡后台流水进行高维度的行为建模，从"金额导向"迈入"行为建模"。我们通过分析消费结构与稳定性，最大程度保护学生隐私与自尊，精准区分"主动节俭"与"被动拮据"。

2. 任务目标与技术栈

• 任务目标：

  1. 基于消费数据，构建多维度贫困识别模型，精准锁定困难学生；

  2. 对困难群体进行生活画像分析，发现其具体的省钱模式；

  3. 提供个性化的分层补贴建议，实现精准滴灌。

• 技术栈与环境：

  • 语言：Python（Pandas、NumPy、Matplotlib、Seaborn、Scikit-learn）

  • 算法：Min-Max标准化、孤立森林（Isolation Forest）

  • 开发环境：Jupyter Notebook / VS Code

• 数据来源：

  • 7_consumption.csv：本学年消费记录，共463,904条（含消费时间、金额、学生ID）

  • 2_student_info.csv：学生基本信息，共1,765条（含性别、籍贯、班级等）

3. 整体分析流程

本项目采用"漏斗式"分析流程，如下图所示：

数据加载与清洗 → 特征工程（11项指标） → 第一层：金额初筛（15%分位线）
    → 第二层：困难指数精选（5指标等权加权） → 孤立森林交叉验证
        → 困难群体画像分析 → 三层资助体系设计 → 结果导出

核心步骤说明：

1. 特征工程：从46万条消费记录中，按学生聚合出日均消费、三餐规律、经济稳定性、校园依赖度四大维度的11项特征；

2. 双层筛选：第一层用15%分位线进行金额初筛（260人入池），第二层用生活困难指数精选核心群体（130人锁定）；

3. 交叉验证：用孤立森林对全体学生进行异常检测，验证分层识别的稳健性；

4. 画像分析：深度剖析困难学生的省钱部位、营养规律、经济稳定性、校园依赖度；

5. 方案设计：基于画像结果，设计基础补贴+早餐专项+月末应急的三层托底体系。

4. 特征工程

识别逻辑的优劣取决于特征设计的精细度。我们不仅关注消费总量，更关注消费的结构与稳定性。从消费明细中按学生聚合，提取了以下11项特征：

特征	含义	与贫困的关系
avg_daily_cost	日均消费金额	越低越可能贫困
breakfast_rate	早餐就餐频率	越低越节省
miss_breakfast_rate	缺早餐率（=1-早餐频率）	越高越节省
lunch_avg	午餐平均消费	越低越拮据
dinner_avg	晚餐平均消费	越低越拮据
cost_std	消费标准差	反映波动性
cv_cost	消费变异系数（=标准差/均值）	越高越不稳定
weekend_ratio	周末消费占比	反映校园依赖度
month_end_ratio	月底消费占比	异常可能反映资金紧张
max_low_days	最长连续低消费天数	越高反映持续性经济压力
total_days	有消费记录的总天数	反映在校时长

4.1 消费数据处理

这里有一个关键的技术细节：如果不先按学生+日期汇总每日总消费，直接对所有消费记录取平均，会导致"一天刷多次卡的学生"日均消费被高估。因此我们做了如下处理：

# 第一步：按学生+日期计算每日总消费
daily_cost = df_consumption.groupby(['bf_StudentID', 'date'])['cost'].sum().reset_index(name='daily_cost')

# 第二步：基于每日总消费计算日均值和标准差
student_cost = daily_cost.groupby('bf_StudentID').agg(
    total_cost=('daily_cost', 'sum'),
    total_days=('date', 'nunique'),
    avg_daily_cost=('daily_cost', 'mean'),
    cost_std=('daily_cost', 'std'),
).reset_index()

4.2 时段特征与就餐规律

通过提取三餐就餐率和各时段平均消费，我们发现困难群体存在严重的"早餐缺失"现象：

extra_features = df_consumption.groupby('bf_StudentID').agg(
    breakfast_rate=('hour', lambda x: ((x>=6) & (x<8)).sum() / len(x)),
    lunch_avg=('cost', lambda x: x[(df_consumption.loc[x.index, 'hour']>=11) & 
                                   (df_consumption.loc[x.index, 'hour']<13)].mean()),
    dinner_avg=('cost', lambda x: x[(df_consumption.loc[x.index, 'hour']>=17) & 
                                    (df_consumption.loc[x.index, 'hour']<19)].mean()),
    weekend_ratio=('weekday', lambda x: (x>=5).sum() / len(x)),
    month_end_ratio=('is_month_end', 'mean')
).reset_index()

# 衍生特征
student_cost['miss_breakfast_rate'] = 1 - student_cost['breakfast_rate']
student_cost['cv_cost'] = student_cost['cost_std'] / (student_cost['avg_daily_cost'] + 0.01)

4.3 经济稳定性特征

引入最长连续低消费天数这一关键指标，捕捉持续性的生存压力：

def max_consecutive_low(grp):
    grp = grp.sort_values('date')
    low = (grp['daily_cost'] < poverty_line_simple).astype(int)
    max_len, cur = 0, 0
    for v in low:
        if v == 1:
            cur += 1
            max_len = max(max_len, cur)
        else:
            cur = 0
    return max_len

stu_max_low = daily_cost.groupby('bf_StudentID').apply(max_consecutive_low).reset_index(name='max_low_days')

5. 核心方案：双层筛选模型与算法优势

为了确保资助的公平性与覆盖度，我们采用双层筛选模型——这比传统的单指标一刀切或单一算法检测更加精准。

第一层：放宽金额初筛

采用全校日均消费的15%分位线（约16.30元/天）作为入池门槛，而非传统的10%。这一设计极具人文关怀，有效降低了"早饭省下、午饭正常"这类边缘学生的漏检率。最终筛出260人进入待选池。

第二层：生活困难指数精选

在低消费池内，选取日均消费、晚餐均价、消费变异系数、月底消费占比、最长连续低消费天数五项指标。经Min-Max标准化后等权加权，构建"生活困难指数"，取中位数以上者为核心困难学生，最终锁定130人（占全校7.5%）。

# %% 分层识别：先金额筛选，再生活困难指数排序
# 第一层：消费金额筛选（使用15%分位线，比10%稍宽，避免漏掉边缘学生）
money_line = student_cost['avg_daily_cost'].quantile(0.15)
print(f"第一层筛选线（15%分位）：{money_line:.2f} 元/天")

low_consumption = student_cost[student_cost['avg_daily_cost'] < money_line].copy()
print(f"第一层筛选出消费较低学生：{len(low_consumption)} 人")

# 第二层：在低消费群体中构建生活困难指数
# 选取更能反映“拮据程度”的指标（去掉缺失率，因为在这个群体内不缺分度）
features_v2 = ['avg_daily_cost', 'dinner_avg', 'cv_cost', 'month_end_ratio', 'max_low_days']
X_v2 = low_consumption[features_v2].copy()
scaler_v2 = MinMaxScaler()
X_scaled_v2 = pd.DataFrame(scaler_v2.fit_transform(X_v2), columns=features_v2, index=X_v2.index)

# 方向处理：avg_daily_cost, dinner_avg 越低越困难
for col in ['avg_daily_cost', 'dinner_avg']:
    X_scaled_v2[col] = 1 - X_scaled_v2[col]

# 等权
low_consumption['hardship_score'] = X_scaled_v2.mean(axis=1)

# 取前50%作为“核心困难群体”（可根据学校预算调整）
threshold = low_consumption['hardship_score'].median()
low_consumption['is_hardship'] = (low_consumption['hardship_score'] >= threshold).astype(int)

hardship_students = low_consumption[low_consumption['is_hardship'] == 1].copy()
hardship_ids = hardship_students['bf_StudentID'].tolist()

# 给全体 student_cost 打标签
student_cost['is_hardship'] = student_cost['bf_StudentID'].isin(hardship_ids).astype(int)
student_cost['hardship_score'] = 0
student_cost.loc[student_cost['bf_StudentID'].isin(low_consumption['bf_StudentID']), 'hardship_score'] = low_consumption['hardship_score']

print(f"第二层筛选出核心困难学生：{len(hardship_students)} 人")
print(f"占总人数比例：{len(hardship_students)/len(student_cost):.1%}")

双层筛选可视化

解读要点：

• 上层：15%分位线（红线左侧）划出低消费池260人——这一步是"粗筛"，不漏掉边缘学生；

• 下层：生活困难指数中位数（红线右侧130人）锁定核心困难群体——这一步是"精选"，多维度确认贫困程度。

5.1 全貌对比：单一指标 vs 多维画像

在做分层识别之前，我们先看看全校的消费分布，以及"仅用单一金额指标"会有怎样的局限：

# %% 全体学生消费分布概览（简单贫困线对比）
plt.figure(figsize=(10,5))
sns.histplot(student_cost['avg_daily_cost'], bins=50, kde=True, color='skyblue')  # bins从50加到80，柱子更细
plt.axvline(poverty_line_simple, color='red', linestyle='--', linewidth=2,
            label=f'10%分位线 {poverty_line_simple:.2f} 元')
plt.title('全体学生日均消费分布')
plt.xlabel('日均消费 (元)')
plt.xlim(0, 70)
plt.xticks(range(0, 71, 5))
plt.legend()
plt.show()

# 简单金额线人数
simple_poor_count = (student_cost['avg_daily_cost'] < poverty_line_simple).sum()
print(f"若只用日均消费<10%分位线，贫困生人数：{simple_poor_count}")

解读要点：

• 全校日均消费呈近似正态分布，均值约23元；

• 若仅以10%分位线（14.58元）一刀切，可识别173人——但单一金额指标无法反映消费稳定性、营养规律等生活质量维度。

5.2 多维度特征对比

下图将"10%分位线以下学生"和"其他学生"在四个核心维度上进行对比：

打简单标签
student_cost['simple_poor'] = (student_cost['avg_daily_cost'] < poverty_line_10).astype(int)

compare_features = ['avg_daily_cost', 'miss_breakfast_rate', 'cv_cost', 'max_low_days']
compare_labels = ['日均消费(元)', '缺早餐率', '消费变异系数', '最长连续低消天数']
compare_colors = ['#3498db', '#e74c3c']

fig, axes = plt.subplots(2, 2, figsize=(12, 10))
for ax, feat, label in zip(axes.flatten(), compare_features, compare_labels):
    data_poor = student_cost[student_cost['simple_poor'] == 1][feat]
    data_other = student_cost[student_cost['simple_poor'] == 0][feat]

    # 用中位数+四分位距做简化箱线
    stats = [
        [data_other.median(), data_other.quantile(0.25), data_other.quantile(0.75)],
        [data_poor.median(), data_poor.quantile(0.25), data_poor.quantile(0.75)]
    ]

    x = [0, 1]
    for i, (med, q1, q3) in enumerate(stats):
        ax.bar(i, med, 0.5, color=compare_colors[i], alpha=0.8, zorder=3)
        ax.plot([i, i], [q1, q3], 'k-', linewidth=2, zorder=4)
        ax.plot([i - 0.1, i + 0.1], [q1, q1], 'k-', linewidth=1.5)
        ax.plot([i - 0.1, i + 0.1], [q3, q3], 'k-', linewidth=1.5)

    ax.set_xticks([0, 1])
    ax.set_xticklabels(['其他学生', '10%线以下'])
    ax.set_title(label, fontsize=12, fontweight='bold')
    ax.grid(axis='y', alpha=0.3)

plt.suptitle('单一金额线 vs 多维度特征：同一群学生的不同面貌', fontsize=14, fontweight='bold')
plt.tight_layout()
plt.show()

解读要点：

• 日均消费：两组差距显著（定义使然），但这只是冰山一角；

• 缺早餐率：低消费组显著更高，说明"不吃早餐"是省钱的核心手段；

• 消费变异系数：低消费组波动更大，暗示经济来源不稳定；

• 最长连续低消天数：低消费组远超其他学生，存在持续性拮据。

5.3 模型验证：孤立森林交叉验证

我们将分层识别名单与孤立森林（污染率5%）的异常检测结果进行交叉比对，重叠率高达43.08%（远超随机概率5%）。这表明：分层法聚焦"经济拮据"，孤立森林捕获"模式异常"，两者互为补充，大幅提升了识别的可信度。

iso = IsolationForest(contamination=0.05, random_state=42)
features_iso = ['avg_daily_cost', 'dinner_avg', 'cv_cost', 'weekend_ratio', 'max_low_days']
X_iso_scaled = pd.DataFrame(MinMaxScaler().fit_transform(X_iso), columns=features_iso)
student_cost['iso_anomaly'] = iso.fit_predict(X_iso_scaled)

解读要点——四类学生着色：

• 红色重叠区（核心确认）：分层识别+孤立森林双重认定的困难学生，位于左上方（低消费+高波动），置信度最高；

• 蓝色仅分层识别：日均消费低但消费模式不够"异常"，可能是习惯性节俭；

• 橙色仅孤立森林：消费金额不低但模式异常，可能是消费习惯特殊；

• 15%分位线（红色虚线）：第一层筛选门槛，左侧全部进入待选池。

6. 困难学生深度画像与可视化解读

6.1 三餐省在哪里？——省钱部位定位

我们对困难学生和其他学生在各时段的消费进行对比，发现三餐全方位节省，但午餐和晚餐是省钱的主要来源：

def time_slot(h):
    if 6<=h<8: return '早餐'
    elif 11<=h<13: return '午餐'
    elif 17<=h<19: return '晚餐'
    else: return '其他'

slot_compare = pd.DataFrame({
    '困难学生': poor_consume.groupby('slot')['cost'].mean(),
    '其他学生': non_poor_consume.groupby('slot')['cost'].mean()
}).drop('其他', errors='ignore')

为进一步拆解"省钱"行为，我们同时对就餐率和单次消费金额进行了对比：

解读要点：

• 左图（就餐率）：困难学生早餐就餐率明显低于其他学生，说明他们倾向"省掉早餐"——这是一种主动压抑消费的行为；

• 右图（单次消费金额）：即便是就同一餐次而言，困难学生的人均消费也全面偏低，印证了"每一餐都在省钱"；

• 综合来看，午餐和晚餐的人均消费差异最大（合计少花约2.14元/天），是省钱的主要部位。

6.2 营养规律性：缺早餐率分析

困难学生中几乎不吃早餐（缺早餐率>80%）的比例高达95.4%，显著高于其他学生的65.3%。"不吃早餐"虽然在该校是普遍现象，但在困难学生中更为严重。

no_bf_poor = (hardship_students['miss_breakfast_rate'] > 0.8).mean()
no_bf_other = (student_cost[student_cost['is_hardship']==0]['miss_breakfast_rate'] > 0.8).mean()

解读要点：

• 困难学生（红色）的缺早餐率分布明显右偏，集中在高缺失区间；

• 95.4%的困难学生几乎不吃早餐——资助重点应放在早餐补贴，直接解决"不吃早餐"的经济动因。

6.3 经济稳定性：消费波动与持续低消

困难学生的日消费波动更大、持续低消时间更长，存在明显的"断粮"风险：

python

# 左侧：消费变异系数散点分布 + 均值标记
# 右侧：最长连续低消费天数 KDE + 均值线

解读要点：

• 左图（消费变异系数）：困难学生（红色）CV系数均值显著更高，菱形标记清晰展示了两组均值的差距，说明其日消费波动更大，经济来源可能不稳定；

• 右图（连续低消费天数）：困难学生（红色）分布明显右移，均值高达18.6天——意味着他们曾连续超过半个月处于极度节省状态，远超其他学生。

6.4 月度消费趋势：压力敏感窗口识别

从各月人均日总消费趋势来看，困难学生全年各月消费均低于其他学生：

monthly_trend = daily_cost_full.groupby(['month', 'is_hardship'])['daily_cost'].mean().unstack()

解读要点：

• 开学季与长假前后是困难学生经济压力的敏感窗口——9月开学初学生自带物资较多，10月国庆长假离校，消费出现低谷；

• 这一趋势提示学校，应在开学季与长假前后加强困难学生的生活保障。

7. 精准资助：三层托底体系

精准识别最终服务于精准资助。基于困难学生群体的画像特征（95.4%几乎不吃早餐、日均缺口约4.46元），我们设计了互补的三层方案。

7.1 补贴金额测算

以全校日均消费第15百分位（约16.30元/天）作为"体面生活线"，困难学生当前日均消费中位数为11.84元，每日存在约4.46元的缺口：

living_line = student_cost['avg_daily_cost'].quantile(0.15)
hardship_students['subsidy_daily'] = np.maximum(living_line - hardship_students['current_avg'], 0)

7.2 三层资助体系可视化

解读要点：

• 左图（三层资助体系）：从上到下逐层精准——

  • 第一层基础营养补贴覆盖全部130人，补足体面生活线缺口；

  • 第二层早餐专项补贴聚焦124名缺早餐率>80%的学生，在早餐时段自动充值3-5元；

  • 第三层月末应急补助针对57名月底消费明显下降的学生，每月25日后发放20-30元。

• 右图（补贴分布）：展示了130名困难学生每日补贴金额的分布，三条参考线分别标注人均补贴、最高补贴和中位数缺口。

方案层级	覆盖人群	核心逻辑	预期目标	月度成本
基础营养补贴	全部130名困难生	补足体面生活线（16.3元）缺口	实现生活底线兜底	约18,300元
早餐专项补助	缺早餐率>80%者（124人）	早餐时段自动发放定向补贴	解决因贫困导致的"跳餐"	约1,860元
月末应急资助	月底消费低于中位者（57人）	每月25日后发放应急额度	对冲月末资金短缺风险	约1,710元

三项合计月均仅需约21,900元，即可实现对130名困难学生的精准生活托底，人均月补约168元。相较于该校全寄宿制的运营成本，这一投入负担极轻。

8. 结果总结

本研究基于某校全寄宿制高中46万余条消费记录，采用"双层筛选模型"从1,730名学生中精准识别出130名核心困难学生（占全校7.5%），并通过孤立森林交叉验证（重叠率43.08%），验证了识别结果的稳健性。主要结论如下：

8.1 贫困识别结论

• 消费水平严重偏低：困难学生日均总消费中位数为11.84元，与全校体面生活线（16.30元/天）之间存在约4.46元的每日缺口；

• 三餐全方位节省：困难学生在早餐、午餐、晚餐各时段的消费均低于其他学生，其中午餐和晚餐是省钱的主要来源（合计每日少花约2.14元）；

• 早餐缺失极其严重：95.4%的困难学生几乎不吃早餐（缺早餐率>80%），远超其他学生的65.3%，早餐补贴是最迫切的干预切入点；

• 经济持续性不稳定：困难学生平均最长连续低消费天数高达18.6天，意味着他们曾连续超过半个月处于极度节省状态，存在明显的"断粮"风险；

• 校园依赖度更高：困难学生周末消费占比为9.93%，明显高于其他学生的6.78%，校园是其主要生活空间；

• 生源地呈现地域特征：困难生比例最高的地区为宁海（18.18%）、奉化（16.67%）、余姚（15.38%），呈现"周边区县高于中心城区"的特征。

8.2 资助方案结论

• 三层托底体系：基础营养补贴（全覆盖）+ 早餐专项补助（缺早餐率>80%者）+ 月末应急资助（月底消费低于中位者），三项合计月均约21,900元，人均月补约168元；

• 成本效益显著：相较于全校全寄宿制的运营成本，这一投入负担极轻，却能实现困难学生群体的生活底线保障。

9. 结语

从"经验判断"到"数据驱动"，从"统一发放"到"分层滴灌"，教育大数据正在让校园资助工作变得更精准、更有温度。本文构建的双层筛选模型和三层资助体系，仅是一个起点。

我们相信，每一份助学金都应当精准抵达最需要它的学生手中，每一顿早餐都不应因贫困而被迫省去。未来，随着更多维数据的接入（如家庭经济状况、学业表现、心理健康等），精准资助的画像将更加立体，教育的公平与温度也将更进一步。

让数据说话，让温暖落地。