数据分析课后作业--信用卡客户风险评价（代码）

1.处理数据异常值：
（1） 丢弃逾期，呆账，强制停卡，退票记录，拒往记录为 1 ，瑕疵户为 2 的记录 。
（2） 丢弃呆账，强制停卡，退票为 1 ，拒往记录为 2 的记录。
（3） 丢弃频率为 5 ，刷卡金额不等于 1 的数据。

import pandas as pd
import numpy as np
data=pd.read_csv("credit_card.csv",encoding='gbk')
#查看数据集情况：
#data.info()
#data.describe()
print("原数据的形状为",data.shape)
# 丢弃逾期，呆账，强制停卡，退票，拒往记录为 1 ，瑕疵户为 2 的记录。
ind1 = data['逾期'] == 1
ind2 = data['呆账'] == 1
ind3 = data['强制停卡记录'] == 1
ind4 = data['退票'] == 1
ind5 = data['拒往记录'] == 1
ind6 = data['瑕疵户'] == 2
data2 = ind1&ind2&ind3&ind4&ind5&ind6
data3 = data.loc[data2,:]
data4 = data.loc[data2 == False,:]
print(' 逾期，呆账，强制停卡，退票记录，拒往记录为 1 ， \
瑕疵户为 2 的数据形状为： ',data3.shape)
print(' 删除逾期，呆账，强制停卡，退票记录，拒往记录为 1 ， \
瑕疵户为 2 的记录后 , 数据的形状为： ',data4.shape)
# 丢弃呆账，强制停卡，退票为 1 ，拒往记录为 2 的记录
ind7 = data4['拒往记录'] == 2
data5 = ind2&ind3&ind4&ind7
data6 = data4.loc[data5 == False,:]
print(' 删除呆账，强制停卡，退票为 1 ，拒往记录为 2 的记录后， \
数据的形状为： ',data6.shape)
# 丢弃频率为 5 ，刷卡金额不等于 1 的数据
ind8 = data6['频率'] == 5
ind9 = data6['月刷卡额'] !=1
data7 = ind8&ind9
data8 = data6.loc[data7 == False,:]
print(' 删除频率为 5 ，刷卡金额不等于 1 的记录后，数据的形状为： ',data8.shape)
data8.to_csv('data8.csv')

2.特征工程：
（1） 据特征瑕疵户，逾期，呆账，强制停卡，退票，拒往记录构建历史行为特征。
（2） 根据特征借款余额，个人月收入，个人月开销，家庭月收入和月刷卡金额，构建出经济风险情况特征。
（3） 根据特征职业，年龄，住家，构建出收入风险情况特征。
（4） 标准化历史行为，经济风险情况，收入风险情况特征。

import os
import numpy as np
import pandas as pd
data8 = pd.read_csv('data8.csv',encoding='utf-8',index_col=0, engine = 'python')
# 构建历史行为特征
card_selection1 = data8[['瑕疵户','逾期','呆账','强制停卡记录','退票','拒往记录']]
print('历史行为特征前5行数据为： \n',card_selection1.head())

# 构建经济风险情况特征
card_selection2 = data8[['借款余额','个人月收入','个人月开销','家庭月收入','月刷卡额']]
print('经济风险情况特征前5行数据为： \n',card_selection2.head())

# 构建收入风险情况特征
card_selection3 = data8[['职业','年龄','住家']]
print('收入风险情况特征前5行数据为： \n',card_selection3.head())

#特征合并，选取完所需的特征之后，将相关特征列合并
# 合并历史行为、经济风险情况、收入风险情况特征
card_features = pd.concat([card_selection1,card_selection2,card_selection3], axis=1)
print(' 构建 L 、 F 、 S 特征前 5 个特征为： \n',card_features.head())

#特征标准化，由于聚类模型并不需要划分数据集，标准化可以使用 sklearn 的 preprocessing 模块
from sklearn.preprocessing import StandardScaler
data9 = StandardScaler().fit_transform(card_features)
np.savez('card_scale.npz',data9)
print(' 标准化后的 LFS 模型的前 5 个特征为 :\n',data9[:5,:])

3.构建历史行为特征，划分出历史行为特征数据：

import pandas as pd
import numpy as np
data=pd.read_csv("data8.csv",encoding='gbk')#已经进行数据清洗
#查看数据集情况：
data.info()
data.describe()
#（1） 据特征瑕疵户，逾期，呆账，强制停卡，退票，拒往记录构建历史行为特征。
data_active=data.iloc[:,[2,3,4,6,7,8]]
#定义聚类特征数据
data_means=data.iloc[:,[0]]
#查看历史行为特征数据集情况：
print("查看历史行为特征数据集情况：")
data_active.describe()
data_active.info()
#计算评分 数值越低，评分越低
def GetScore(x):
    if x>=2:
        a =0
    else:
        a =1
    return a
score_1=data_active['瑕疵户'].apply(GetScore)
score_2=data_active['逾期'].apply(GetScore)
score_3=data_active['呆账'].apply(GetScore)
score_4=data_active['退票'].apply(GetScore)
score_5=data_active['拒往记录'].apply(GetScore)
score_6=data_active['强制停卡记录'].apply(GetScore)
#加权求和  历史行为
data_means.loc[:,'history_credit_risk']=score_1+score_2*2+score_3*3+score_4*3+score_5*3+score_6

4.构建经济风险情况特征

#划分出经济风险情况特征数据
data_encomic=data.iloc[:,[5,18,19,21,22]]
#查看经济风险情况特征数据情况
print("查看经济风险情况特征数据情况")
data_encomic.describe()
data_encomic.info()
#借款额度分数
def GetScore_encomic(x):
    if x>=2:
        a =1
    else:
        a =0
    return a
score_yu=data_encomic['月刷卡额'].apply(GetScore_encomic)
#个人月收入情况分数
data_person=data_encomic['个人月收入']/data_encomic['个人月开销']
data_person_Scores=[]
for i in range(data_encomic.shape[0]):
    if data_person[i]<1:
        data_person_Scores.append(0)
    else:
        data_person_Scores.append(1)
#家庭月收入情况分数
data_mouth=data_encomic['家庭月收入']/data_encomic['月刷卡额']
data_mouth_Scores=[]
for i in range(data_encomic.shape[0]):
    if data_person[i]<1:
        data_mouth_Scores.append(0)
    else:
        data_mouth_Scores.append(1)
#经济风险
data_means['economic_risk']=np.array(data_mouth_Scores) + np.array(data_person_Scores)+np.array(score_yu)

5.构建收入风险情况特征

data_shouru=data.iloc[:,[14,17,20]]
#查看收入风险情况特征数据情况
print("查看收入风险情况特征数据情况")
data_shouru.describe()
data_shouru.info()
#住家评分
HouseScore = []
for i in range(data_shouru.shape[0]):
    if 3 <= data_shouru.loc[i, '住家'] <= 5:
        HouseScore.append(0)
    else:
        HouseScore.append(1)
#职业评分
JobScore = []
for i in range(data_shouru.shape[0]):
    if(data_shouru.loc[i, '职业'] <= 7) | (data_shouru.loc[i, '职业'] == 19) | (data_shouru.loc[i, '职业'] == 21):
        JobScore.append(2)
    if(data_shouru.loc[i, '职业'] >= 8) & (data_shouru.loc[i, '职业'] <= 11):
            JobScore.append(1)
    if(data_shouru.loc[i,  '职业']  <=  18)  &  (data_shouru.loc[i,  '职业']  >=  12)  |  (data_shouru.loc[i,  '职业']  ==  20)  | (data_shouru.loc[i, '职业'] == 22):
            JobScore.append(0)
#年龄评分
AgeScore = []
for i in range(data_shouru.shape[0]):
    if data_shouru.loc[i, '年龄'] <= 2:
        AgeScore.append(1)
    else:
        AgeScore.append(0)
#收入风险
data_means['income_risk'] = np.array(HouseScore) + np.array(JobScore) + np.array(AgeScore)

6.聚类分析

#标准化构建的三个特征数据集
from sklearn.preprocessing import StandardScaler
sc_X = StandardScaler()
data_means_stander = sc_X.fit_transform(data_means.iloc[:,[1,2,3]])
#聚类训练
from sklearn.cluster import KMeans #导入kmeans算法
k = 5 ## 确定聚类中心数
#构建模型
kmeans_model = KMeans(n_clusters = k,n_jobs=4,random_state=123)
fit_kmeans = kmeans_model.fit(data_means_stander)   #模型训练
#客户特征分析排名
data_means['count']=data_means['income_risk']+data_means['economic_risk']+data_means.loc[:,'history_credit_risk']
sort_values=data_means.sort_values("count",inplace=False)

#查看聚类中心
c1=kmeans_model.cluster_centers_
print('查看聚类中心：\n',c1)
#保存客户的类别标签
data_means['lable']=kmeans_model.labels_
l1=data_means['lable']
print('查看样本的类别标签：\n',l1)
#统计不同类别样本的数目
r1 = pd.Series(kmeans_model.labels_).value_counts()
print('最终每个类别的数目为：\n',r1)
# 输出聚类分群的结果
cluster_center = pd.DataFrame(c1,columns = ['income_risk','economic_risk','history_credit_risk',])   # 将聚类中心放在数据框中
cluster_center.index = pd.DataFrame(l1).drop_duplicates().iloc[:,0]  # 将样本类别作为数据框索引
print(cluster_center)
#data_means.to_csv("mean.csv",index=False,sep=',', encoding="utf_8_sig")