预测贷款用户是否逾期：数据清洗与预处理

wyh_wen

于 2019-03-04 09:07:39 发布

阅读量1.1k

点赞数

分类专栏： python 机器学习文章标签： python

本文链接：https://blog.youkuaiyun.com/qq_42370261/article/details/88051612

版权

本文介绍了预测贷款用户是否逾期项目的初始阶段——数据清洗与预处理。通过查看数据、分析数据标签分布、特征理解、缺失值处理等步骤，作者发现并删除了大量一致的缺失记录，为后续的分析做好准备。使用Python的pandas库进行数据操作，重点关注数据的结构、缺失值和数值特征的统计信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

任务一

做一个项目的第一步是数据清洗与预处理，也是对数据进行探索和分析。这份数据集是金融数据，我们的目标是要预测贷款用户是否会逾期，其中status表示标签，1表示逾期，0表示未逾期。

1.查看数据

可以使用excel或者SPSS等分析软件打开文件进行查看，当然是数据量允许的情况下才能用excel打开，否则你的电脑会一直转圈圈。还有就是可以导入python查看，一般python导入数据使用的是pandas库，导入数据常常会遇到编码问题，可以尝试其他编码导入，或者查看文件编码再导入。具体代码如下：

#导入numpy和pandas库
import numpy as np
import pandas as pd

#data=pd.read_csv('E:/data/data.csv') 显示编码不对
#data=pd.read_csv('E:/data/data.csv',encoding='utf-8') 加入编码，发现还是错的
data=pd.read_csv('E:/data/data.csv',encoding='gbk')  #试了一下其他编码，这是正确的

查看数据的步骤：

（1）查看数据前几行或者后几行，了解数据的大体；

（2）查看数据大小，几行几列；

（3）数据标签的分布情况；

（4）数据的特征（列名）；

（5）每