近年来,铁路营运里程呈持续增长趋势。截止2019年底,全国铁路营运里程达到13.9万公里,较2018年年末增加0.8万公里。随着铁路营运里程的增加,乘坐火车出行的旅客也随之增长。学生客流是铁路春运和暑运的重要客流,对春运和暑运期间铁路旅客发送量的影响很大。自2012年实行网络购票以来,客票系统汇集了大量的旅客出行信息。目前广泛使用的铁路客票数据的分析方法多数局限于对数据信息进行简单的统计描述,缺乏对客票数据的深度挖掘。本文根据数据挖掘的理论方法和流程,对铁路学生客票数据进行分析,挖掘学生旅客购票行为规律,分析学生旅客购票行为。首先,根据行为分析原理,分析铁路学生购票行为包含的行为特征,确定数据挖掘的目的,结合数据挖掘的理论与方法,以分析铁路学生旅客购票行为目的,选定合适的数据挖掘方法——统计分析与聚类分析相结合。然后,根据数据挖掘的流程,对选取的铁路学生客票数据进行规范化处理。以2017年1月沈阳出发的铁路学生客票数据研究对象,根据数据规范化的原理,对原始数据进行数据规范化操作,并将结果储存在新的数据仓库中。再次,利用相关分析法,通过计算Pearson相关系数,确定铁路学生购票数据的主要行为特征为在途时间,分析提前购票天数、在途里程、席别名等其他行为特征与主要行为特征间的相关性;对比两步聚类算法、K-means聚类算法和DBSCAN算法的聚类结果确定合适的聚类算法;再利用Python编程实现DBSCAN算法对数据进行聚类分析。最终,从数据中得到学生旅客购票行为规律,结合行为分析相关原理,分析学生旅客购票行为规律背后的影响因素,并提出相应的建议。