等频法

YPL_ZML

于 2019-06-26 22:56:23 发布

阅读量838

点赞数

CC 4.0 BY-SA版权

分类专栏：数据分析

本文链接：https://blog.youkuaiyun.com/YPL_ZML/article/details/93792042

数据分析专栏收录该内容

35 篇文章

订阅专栏

本文介绍了使用Python的pandas和numpy库进行贷款数据预处理的过程。包括数据加载、缺失值填充、变量分箱和按月收入分组统计好坏用户比例。通过等频法处理极端值，确保了数据质量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import pandas as pd
import numpy as np


# 加载数据
data = pd.read_csv('loan.csv', encoding='gbk')
# print(data)

# print(data.columns)

# 0 代表 信用好用户
# 1 代表 信用差用户

# 月收入 和 好坏用户 关系

# 检测缺失值
# res = data.isnull().sum()
# print(res)

# 存在缺失值
# me = data['月收入'].mode()[0]
# print(me)
# 用众数进行填充数据
# data['月收入'].fillna(me, inplace=True)
# print(data)

# 自定义指定分组 --》 等频法
# print(data['月收入'].max())
# print(data['月收入'].min())
# 因为极差过大，等宽法误差较大，故选择等频法
# bins = data['月收入'].quantile(np.arange(0, 1+0.25, 0.25))
# print(data)
# data['月收入'] = pd.cut(data['月收入'], bins=bins)
# print(data)
# 按照月收入进行分组 ，统计好坏用户
# count = data[['月收入', '好坏客户']].groupby(by='月收入').count()
# print(count)
# count = data[['月收入', '好坏客户']].groupby(by='月收入').sum()
# print(count)