https://e343c64b.dataagentx.pages.dev/zh-cn/tags/databench/Recent content in DataBench on DataAgentXHugozh-CNTue, 20 Oct 2026 00:00:00 +0000https://e343c64b.dataagentx.pages.dev/zh-cn/tech/20261020-hotel-brand-ranking/Tue, 20 Oct 2026 00:00:00 +0000https://e343c64b.dataagentx.pages.dev/zh-cn/tech/20261020-hotel-brand-ranking/<p><a href="https://e343c64b.dataagentx.pages.dev/images/articles/hotel-brand-ranking/core-zh.svg"><img src="https://e343c64b.dataagentx.pages.dev/images/articles/hotel-brand-ranking/core-zh.svg" alt="从全表到参评样本：资格与分母如何改变名次"></a></p> <p>酒店品牌榜上，平均 5 星的品牌为什么不一定第一？</p> <p>这次用公开评测原题走一遍完整链路：数据 → 问题 → 解法 → 验收。重点不在算出答案，而在看清资格门槛和分母选择如何改变结论。</p> <h2 id="数据与题目">数据与题目</h2> <p>数据集是 InfiAgent-DABench，评测从 CSV、自然语言问题和约束出发，检验能否真正执行分析并给出结果。本次固定题单有 257 题、引用 52 份 CSV；这里只取其中的 <code>hotel_data.csv</code>，1,057 行、9 列，覆盖 7 个城市和 103 个非空品牌，每行是一条酒店记录。</p> <p>选择的是 510、513 两道 medium 题。</p> <p><strong>510</strong>：评价数至少 100 的酒店中，哪个品牌平均星级最高？还要求品牌、星级非空，品牌在全表至少 10 家，按算术平均计算，出现并列时再看全表规模。</p> <p><strong>513</strong>：评价数与 <code>bubble_score</code> 的相关，在不同星级组里分别是多少？注意 <code>bubble_score</code> 和酒店星级不是一个字段。</p> <p>两道题都设置了约束，这使它们比“算个平均值”更接近真实工作：约束决定谁有资格参与，也决定分母是什么。</p> <h2 id="解法把-510-拆成两路">解法：把 510 拆成两路</h2> <p>第一路在全表计算品牌规模，确定参评资格；第二路筛出有效酒店，计算星级总和与均值。最后在品牌粒度汇合。</p> <p>筛选路径：</p> <table> <thead> <tr> <th>步骤</th> <th>行数</th> <th>说明</th> </tr> </thead> <tbody> <tr> <td>全表</td> <td>1,057</td> <td>所有酒店记录</td> </tr> <tr> <td>品牌规模 ≥10 家</td> <td>—</td> <td>确定参评品牌</td> </tr> <tr> <td>星级、品牌非空</td> <td>332</td> <td>具备评分所需字段</td> </tr> <tr> <td>评价数 ≥100 且星级、品牌非空</td> <td>296</td> <td>符合酒店级条件</td> </tr> <tr> <td>应用品牌规模门槛后最终参与排名</td> <td>125 家 / 6 个品牌</td> <td>同时满足品牌与酒店两级条件</td> </tr> </tbody> </table> <p>第一名 Preferred Hotels &amp; Resorts 在全表有 21 家，参与评分的有 19 家，星级总和 83.5，均值 83.5 ÷ 19 = 4.3947。</p>