python评分卡之分数计算

#计算分数函数

def get_score(,woe,B):

    scores=[]

    for w in woe:

        score=round(*w*B,0)

        scores.append(score)

    return scores

#根据变量计算分数

def compute_score(series,cut,score):

    list = []

    i = 0

    while i < len(series):

        value = series[i]

        j = len(cut) - 2

        m = len(cut) - 2

        while j > 0:  # 有的代码写的是“>=”，但实际转换后发现有的变量出现错误

            if value >= cut[j]:

                j = -1

            else:

                j -= 1

                m -= 1

        list.append(score[m])

        i += 1

    return list

#计算分数

    #coe为逻辑回归模型的系数

    coe=[]

    # 我们取600分为基础分值，PDO为20（每高20分好坏比翻一倍），好坏比取60。

    B = 20 / math.log(2)

    A = 600 -B*log（60）

   # B= 20 / math.log(2)

    #A= 600 + B*math.log(1/60)

   baseScore = round(A+ B * coe[0], 0)

  #baseScore = round(A+ B * coe[0], 0)

注：若odds是 坏客户概率/好客户概率,odds应取倒数，再经过ln转换则B前面是‘—’。woe也要改变。

x1 = get_score(coe[1], woex1, B)   #,woe, 要对应

x2 = get_score(coe[2], woex2, B)

x3 = get_score(coe[3], woex3, B)

#计算分数

test1 = pd.read_csv('TestData.csv')

test1['BaseScore']=Series(np.zeros(len(test1)))+baseScore

test1['x1'] = Series(compute_score(test1['变量名'], cutx1, x1))

test1['x2'] = Series(compute_score(test1['变量名'], cutx2, x2))

test1['x3'] = Series(compute_score(test1['变量名'], cutx3, x3)) 

test1['Score'] = test1['x1'] + test1['x2'] + test1['x3']  + baseScore