利用机器学习进行金融数据风险评估（3）

for col in var_all:
    x = transaction_risk_sample[col].isnull().sum()
    if x != 0:
        print(col, x)
循环遍历每一个列
统计当前列的空值数据
得到rat_timelong_lst_avg这个列有47个空值

rat_timelong_lst_avg_mean = np.mean(transaction_risk_sample['rat_timelong_lst_avg'])#获取该列的均值
transaction_risk_sample['rat_timelong_lst_avg'].fillna(rat_timelong_lst_avg_mean, inplace = True) #对训练集补充空值
transaction_risk_score_sample['rat_timelong_lst_avg'].fillna(rat_timelong_lst_avg_mean, inplace = True) #对训练集补充空值

观察到所有的变量都是数值型（原数据未给出具体变量信息，只能从数据类型上判断）
由于未给出具体变量信息，无法判断是否异常值，故此处不做异常值处理

transaction_risk_sample.groupby(['cnt_result', 'target']).size()
先以cnt_result字段分组 再根据target字段分组 最后统计每一组的大小
和数据库分组的概念是一样的

import matplotlib.pyplot as plt
import seaborn as sns

ImportError: No module named 'seaborn'

pip3 install seaborn

df = pd.DataFrame() #创建一个新的表
df['total'] = transaction_risk_sample.groupby(['type_lst_login'])['target'].count() #计算每组的总数
df['bad'] = transaction_risk_sample.groupby(['type_lst_login'])['target'].sum() #计算每组违约总数
df['default_rate'] = df['bad']/df['total'] #计算每组违约率
df = df.reset_index()
sns.barplot(data = df, x = 'type_lst_login', y = 'default_rate')

1、对样本结果表 transaction_risk_sample 先按照type_lst_login最后登陆时间分组 再按照target（是否违约 1违约0没有违约）进行分组
得到每一个登陆时间用户是否违约的情况
2、count(）是包含target为0和1的情况 即每一个登陆时间内访问的用户数（总数）
3、sum() 仅包含target=1的情况 对所有的1进行求和 得到的是每一个登陆时间内 违约的用户数
4、每组违约的用户数 / 总数 得到每组的违约率
5、reset_index 设置索引 加快数据处理速度
6、barplot画图  x轴是登陆时间 y轴是每个登陆时间的违约率

var_num = []
for col in transaction_risk_sample.columns:
    x =  transaction_risk_sample[].nunique() #观察每个变量里有多少个不同的值
    print(col, x)
    var_num.append(col)

训练遍历每一个列
获取当前列的不同值个数

plt.boxplot(transaction_risk_sample['city_lst_login'])
获取city_lst_login最后的登陆城市这一列数据画箱线图