宿舍数据分析怎么办？我用两周摸出一套笨办法

上学期辅导员把一摞查寝表甩给我，说“你懂电脑，看看能不能分析点东西出来”。我当时第一反应是懵的——宿舍数据能分析什么，不就是谁没回宿舍吗。真上手才发现，一栋楼几百号人，一个学期的查寝、晚归、报修、用电记录堆在一起，能看的东西比想象中多得多。

先说结论：宿舍数据分析不难，难的是数据本身太脏。我拿到的第一版表里，同一间宿舍有“3-201”“3201”“3栋201”三种写法，人名里还有两个同名同姓的。直接扔进软件跑，出来的结果全是错的。

第一步先把数据口径统一

我花了差不多三天做清洗，比分析本身还费时间。经验是先把字段定死，别一边分析一边改口径。

• 宿舍号统一成“楼栋-房间”格式，比如 A3-201，用查找替换加分列十分钟能搞定
• 学生标识用学号，别用姓名，重名是常态
• 时间统一成 YYYY-MM-DD，手写的“周三晚”“上周四”一律回查原始记录
• 缺勤、晚归、请假分成三列，别挤在一格里写备注

清洗完大概揪出 40 多条脏记录。数据量没变，但一下从“没法看”变成“能看”了。

我实际跑出来的三个有用结论

真正有价值的不是“谁晚归了”，而是规律。我用 Excel 透视表加几个简单公式，跑出三样东西。

一个是晚归的时间分布。把一学期晚归记录按周几、按小时拉出来，发现 62% 集中在周五、周六 22:30 到 23:30 之间，而且集中在 5 间宿舍。这个结果直接改变了查寝策略。以前每晚全楼查一遍，两个宿管跑到腿软，后来改成周五周六重点盯那几间，省了一大半力气。

第二个是报修数据和用电量的关联。有间宿舍一个月报修 7 次，用电量却是同楼层平均值的 3 倍。顺着查下去发现是私拉接线板带大功率电器。这事光看报修记录看不出来，两张表放一起才露馅。

第三个是卫生评分和期末成绩的关系。这个我本来只是随手跑了一下，样本也不大，只能说有弱相关，别当结论用。不过做汇报时提一句“卫生评分连续三次低于 60 的宿舍，平均绩点比全楼低 0.3”，辅导员明显更愿意听。

工具上真不用上什么复杂系统。我全程就用 Excel 的数据透视表加 VLOOKUP，后面数据量大了才换成 Python 的 pandas，几十行代码的事。学校要是没有现成系统，腾讯文档的在线表格也能凑合，多人协作填数据比发文件来回传强太多。

几个我踩过的坑，你别再踩

• 别把分析结果直接点名通报，学号打码、只发到宿舍号层级，不然容易出事
• 样本量小于 30 的结论别写进报告，尤其是“某某宿舍有问题”这种话
• 数据来源要说清楚，查寝记录是人工填的，本身就有误差
• 每次分析完把清洗规则写下来，下学期换人接手能省一半时间

说实话，宿舍数据分析这事，工具占两成，剩下八成是把数据弄干净、把问题问对。你要是一上来就想搞个可视化大屏，大概率做两周就没人看了。倒不如先老老实实回答一个具体问题：这学期晚归最多的时段是几点。答得出来，后面的都好办。