woe编码对于少部分离散变量和大部分的离散变量

最新推荐文章于 2024-09-18 16:22:39 发布

qq_41144346

最新推荐文章于 2024-09-18 16:22:39 发布

阅读量576

点赞数

文章标签： python

本文链接：https://blog.youkuaiyun.com/qq_41144346/article/details/122939828

版权

该博客介绍了一个用于离散变量WOE编码的Python函数`lisan_woe`，该函数处理了数据集中部分离散变量的WOE编码问题。通过遍历每个变量，计算各组的坏样本和好样本数量，进而计算WOE值。当出现除以零或者无穷大的情况时，通过添加小量正数进行修正。同时，函数还处理了缺失值的WOE编码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from woe_bin import woe_bin
import sys
def woe_bin(merge_data,label):
    wb = woe_bin(indata = merge_data, target=label, min_group_rate=0.05, max_bin=6, bin_method='mono', alg_method='iv')
    #print(wb)
    mapiv = wb.split_data()
    #print(mapiv)
    mapiv.to_csv('woe_0120_调整_woe_1.csv')
    mapiv1 = mapiv[mapiv['iv'] >= 0.02]
    #转为woe格式
    w_tab = wb.apply_woetab(merge_data, mapiv1)
    #print(w_tab)
#    w_tab.to_csv('data_woe值.csv')
    return w_tab

def lisan_woe(merge_data,t_data,variable,target):
y_all = len(merge_data[target])
y_1 = sum(merge_data[target])
y_0 = y_all - y_1
##对于特殊部分的woe编码

for k in variable:
dic_count = {}
dic_bad = {}
dic_good = {}
j = 0
mt = merge_data.groupby([k])[target].count().values
mt