python贷款_python 实现小额贷款《Loan Data》数据分析

前言

本文章对小额贷款《Loan Data》的数据进行分析，用的是pycharm IDE,主要用到的python模块是pandas和pyecharts。pandas主要用于数据的导入、导出以及数据处理等，pyecharts主要用于数据可视化。

一、数据理解Loan Data​www.kaggle.com

数据包含有11个字段，500行数据。

数据字段译文如下：

loan_ID =======>贷款ID

loan_status=======>贷款状态

Principal=======>贷款金额

terms=======>贷款期限

effective_date=======>开始时间

due_date=======>到期时间

paid_off_time=======>还款时间

past_due_days=======>逾期天数

age=======>年龄

education=======>教育水平

gender=======>性别

二、数据清洗

数据清洗处理无非就是补选改构。

❥ 补一般是对缺失值的处理，缺失值我们会根据我们具体的分析方向去判断缺失值怎么去处理，列如：缺失值是用户的月收入，那么跟我们分析贷款行为有着很大的影响，那么我们就会想办法补全这些缺失值(咨询用户补全、众数补全、预测补全等)；假如是一些跟我们分析方向影响不大的(业务能力的判断)，我们直接补零就好了(尽量不要删除，不然会影响到其他字段的完整性)。

❥ 选(删)就很容易理解了，删就是删掉一些对我们分析方向毫无影响的字段(列)，或者是一些缺失值比较多的条目(行)；其实删和选，看个人习惯，不用删，我们就选择我们需要的字段或者条目就好了。

❥ 改，当我们遇到一些像性别这种字段的时候，我们通常会把其转换为阿拉伯数字，方便统计，所在在本篇文章我会把性别这一字段的'male':改成1, 'female'改成 0。

❥ 构的话就是源数据不能满足我们的分析需求，那么我们就会去自己构造数据，比如我们在数据源中会有年龄这个字段，但是我们要按一个年龄一个年龄的去统计就很麻烦，而且不直观，那么我们就好把年龄构成年龄段(青年、中年、老年)的形式，方便我们后面的分析。

1.缺失值

首先我们来看看哪些字段有缺失值。

看代码：

import pandas as pd # 导入模块

from pyecharts import *

data = pd.read_csv('..\data\\text\loan_data.csv') # 读入数据源

def data_colse(): #定义方法

print(data.isnull().sum()) # 查看缺失值

可以看到还款时间和逾期天数分别有100条和300条的缺失值；根据数据，我们可以看还款时间为缺失值的是逾期客户，就是到统计时间时，还没有还款的客户，在这里我们不用去管它；而逾期天数缺失值是正常还款的客户，在这里我们用零去补全缺失值，方便统计。。

data['past_due_days'].fillna(0, inplace=True)

2.修改数据显示形式

将'loan_status'还款状态的'PAIDOFF': 1, 'COLLECTION': 2, 'COLLECTION_PAIDOFF': 3

'education'受教育程度'High School or Below': 1, 'college': 2, 'Bechalor': 3, 'Master or Above': 4

'Gender'性别'male': 1, 'female': 0

然后再将字段名给改成中文，方便我们阅读。

loan_status_dict = {'PAIDOFF': 1, 'COLLECTION': 2, 'COLLECTION_PAIDOFF': 3}

data['还款状态'] = data['loan_status'].map(loan_status_dict)

data.drop('loan_status', inplace=True, axis=1) # 删除loan_status字段

# print(data.groupby('学历').agg('count')) # 统计各学历的人数

education_dict = {'High School or Below': 1, 'college': 2, 'Bechalor': 3, 'Master or Above': 4}

data['受教育程度'] = data['education'].map(education_dict)

data.drop('education', inplace=True, axis=1)

gender_dict = {'male': 1, 'female': 0}

data['性别'] = data['Gender'].map(gender_dict)

data.drop('Gender', inplace=True, axis=1)

col = {'Loan_ID': '贷款人ID', 'Principal': '贷款金额', 'terms': '期限','effective_date': '起始时间',

'due_date': '到期时间', 'paid_off_time': '偿还时间','past_due_days': '逾期天数', 'age': '年龄'

} # 定义列名list

data.rename(columns=col, inplace=True)

3.构造数据

将年龄以年龄段[青年(age<=30)、中年(31<=age<=46)、老年(age>46)]的形式分开，方面我们后面的分析。

返回处理完的DataFrame数据。

data['年龄段'] = data['年龄'].apply(lambda x: '青年' if x <= 30 else ('中年' if 31 <= x <= 46 else '老年'))

data_out = data.copy()

# data_out.to_csv('..\data\\text\loan_data_out.csv', index=False, encoding='utf-8_sig')

return data_out # 返回data_out

三、数据分析

1.逾期天数统计

对于客户的逾期，我们将其分类，分为C、1+、7+、15+、30+，其中C为正常还款的客户，而1+、7+、15+、30+分别为逾期1-6天、逾期7-14天、逾期15-30天；

分类要具体看公司模式，银行里面一般分M0(正常还款)、M1(逾期1-30天)、M2……

def past_due_days():

data_out = data_colse() # 接收方法返回值

zero = 0

one = 0

seven = 0

fifty = 0

thirty = 0

for _, i in data_out.iterrows():

if i['逾期天数'] == 0:

zero += 1

elif 1 <= i['逾期天数'] <= 7:

one += 1

elif 8 <= i['逾期天数'] <= 14:

seven += 1

elif 15 <= i['逾期天数'] <= 30:

fifty += 1

else:

thirty += 1

dict_day = {'C': zero, '1+': one, '7+': seven, '15+': fifty, '30+': thirty}

然后给数据来个可视化，看看逾期的人数分布；图会在当前目录下生成一个'逾期详情饼图.html‘文件，点开用浏览器打开就可以看到画的图了。

# 画出饼图

col_bar = list(dict_day.keys())

data_bar = list(dict_day.values())

pie = Pie('逾期详情', '标本数：%s' % (len(data_out)), title_pos="center")

pie.add('', col_bar, data_bar, is_label_show=True, is_legend_show=True, label_formatter='{d}%', legend_top='90%')

pie.render('逾期详情饼图.html')

从可视化图上，我们可以看到有60%的客户还是正常还款的，而有20.2%的客户逾期天数达到30+以上。

2.学历逾期

我们看看各个学历逾期的占比

def analyze():

data_out = data_colse()

# print(data_out['贷款金额'].describe())

# 学历逾期

total_overdue_education = len(data_out[data_out['逾期天数'] > 0])

below_peoples = data_out[data_out['受教育程度'] == 1][data_out[data_out['受教育程度'] == 1]['逾期天数'] > 0] # 学历高中逾期条目

college_peoples = data_out[data_out['受教育程度'] == 2][data_out[data_out['受教育程度'] == 2]['逾期天数'] > 0] # 学历大专逾期条目

bechalor_peoples = data_out[data_out['受教育程度'] == 3][data_out[data_out['受教育程度'] == 3]['逾期天数'] > 0] # 学历本科逾期条目

master_peoples = data_out[data_out['受教育程度'] == 4][data_out[data_out['受教育程度'] == 4]['逾期天数'] > 0] # 学历硕士逾期条目

education_dict = {'高中逾期占比': len(below_peoples) / total_overdue_education,

'大专逾期占比': len(college_peoples) / total_overdue_education,

'本科逾期占比': len(bechalor_peoples) / total_overdue_education,

'硕士逾期占比': len(master_peoples) / total_overdue_education

}

print('学历逾期：', education_dict)

# 学历逾期占比图

education_col = education_dict.keys()

education_data = education_dict.values()

education_pie = Pie('学历逾期图', '样本总数：%s' % total_overdue_education)

education_pie.add('', education_col, education_data, is_label_show=True, is_legend_show=True,

label_formatter='{b}:{d}%')

education_pie.render('学历逾期图.html')

从图上可看到，高中和大专学历逾期占了86.5%之多，而本科学历有13%的客户，而硕士学历只有0.5%的逾期客户，可以看到学历越高还款欲望会越高。

3.年龄段占比

我们看看各年龄段逾期的占比

# 年龄段逾期

total_age = len(data_out[data_out['逾期天数'] > 0])

youth = data_out[data_out['年龄段'] == '青年'][data_out[data_out['年龄段'] == '青年']['逾期天数'] > 0] # 青年逾期条目

midlife = data_out[data_out['年龄段'] == '中年'][data_out[data_out['年龄段'] == '中年']['逾期天数'] > 0] # 中年逾期条目

agedness = data_out[data_out['年龄段'] == '老年'][data_out[data_out['年龄段'] == '老年']['逾期天数'] > 0] # 老年逾期条目

age_dict = {'青年逾期占比': len(youth) / total_age,

'中年逾期占比': len(midlife) / total_age,

'老年逾期占比': len(agedness) / total_age

# 年龄段逾期

age_col = age_dict.keys()

age_data = age_dict.values()

age_pie = Pie('年龄段逾期图', '样本总数：%s' % total_age)

age_pie.add('', age_col, age_data, is_label_show=True, is_legend_show=True,

label_formatter='{b}:{d}%')

age_pie.render('年龄段逾期图.html')

从图上可看到青年逾期56%，中年逾期42%,而老年逾期占比只有2%，可以得出年龄段越高，还款欲望越高。

4.性别逾期

我们接下来看看性别逾期概率

two_state = data_out[data_out['还款状态'] == 2]

man_two = data_out[data_out['性别'] == 1][data_out[data_out['性别'] == 1]['还款状态'] == 2]

print(f'男性逾期比率：{len(man_two) / len(two_state) * 100}%')

print(f'女性逾期比率：{round((1 - (len(man_two) / len(two_state))) * 100, 2)}%')

性别逾期这个比例差别有点大，不好判断，有可能是样本的不平衡的问题。

四、总结

有60%的客户还是正常还款的，而有20.2%的客户逾期天数达到30+以上。

高中和大专学历逾期占了86.5%之多，而本科学历有13%的客户，而硕士学历只有0.5%的逾期客户，可以看到学历越高还款欲望会越高。

青年逾期56%，中年逾期42%,而老年逾期占比只有2%，可以得出年龄段越高，还款欲望越高。