Python LC Loan贷款数据集 统计分析 数据挖掘 研究报告

实验代码：https://download.csdn.net/download/Amzmks/87396462

首先读表

将有空值的列和完全相同的列删除

将数值型数据单独挑出来

将数值型数据从string转为float

用方差阈值法筛选特征较为明显的部分数值型数据

将文本型数据单独挑出来

去除所有的可能的头部和尾部的空格

将id、数值、文本拿出来连接在一起

然后再导出数据

计算相关性 pearson相关系数

查看describe统计信息

loan_amnt列的直方图

y轴对应的是loan_amnt的值落在某个区间的数量，比如说(10000, 10500)这个区间有2000个，则y轴为2000（只是个比方）

理解：直方图可以查看某一（数值型）列在不同区间的分布情况，落在哪个区间的数量有多少

这个图分别是loan_amnt和funded_amnt两列与grade的关系，由于这两列其实数值差不多，所以图上像是都一样的，你换成别的你需要在报告里写的列以后就不一样了。

那两个散点图是这两列的相关性

理解：散点图可以查看某两（数值型）列的数据的关系，比如说A和B两列，A取多少的时候B取多少

线形图是这两列分别和grade的关系，比如说grade为A的列，对应的是橙色的部分，y轴是某一列对应的grade是A的数量。

热力图体现的是每两列之间的相关性，比如说第1行第2个方块的颜色是id和amnt_inv的相关性。对角线是跟自己的相关性，为1.

（-1,1）区间，-1指这两列完全负相关，即A列越大B列就越小，1指完全正相关，0则为无关

Wikipedia:

In statistics, the Pearson correlation coefficient (PCC, pronounced /ˈpɪərsən/) ― also known as Pearson's r, the Pearson product-moment correlation coefficient (PPMCC), the bivariate correlation,[1] or colloquially simply as the correlation coefficient[2] ― is a measure of linear correlation between two sets of data. It is the ratio between the covariance of two variables and the product of their standard deviations; thus it is essentially a normalised measurement of the covariance, such that the result always has a value between −1 and 1. As with covariance itself, the measure can only reflect a linear correlation of variables, and ignores many other types of relationship or correlation. As a simple example, one would expect the age and height of a sample of teenagers from a high school to have a Pearson correlation coefficient significantly greater than 0, but less than 1 (as 1 would represent an unrealistically perfect correlation).

3D的那个图在jupyter或者pycharm环境里能看到，是散点图，意思和上面2D散点图是一样的，每个点的x,y,z代表三个列对应的数值，可以查看三列对应的分布情况。