python 评分卡建模记录---使用到的各种函数(1)(转载)
python 评分卡建模记录—使用到的各种函数(1)
用python评分卡建模过程中使用到的numpy 和pandas中的方法
(一)python选取特定列——pandas的iloc和loc以及icol使用(列切片及行切片)
df是一个dataframe,列名为A B C D
具体值如下:
A B C D
0 ss 小红 8
1 aa 小明 d
4 f f
6 ak 小紫 7
dataframe里的属性是不定的,空值默认为NA。
一、选取标签为A和C的列,并且选完类型还是dataframe
df = df.loc[:, ['A', 'C']]
df = df.iloc[:, [0, 2]]
二、选取标签为A/C并且只取前两行,选完类型还是dataframe
df = df.loc[0:2, ['A', 'C']]
df = df.iloc[0:2, [0, 2]]
聪明的朋友已经看出iloc和loc的不同了:loc是根据dataframe的具体标签选取列,而iloc是根据标签所在的位置
","前面的":"表示选取整列,第二个示例中的的0:2表示选取第0行到第二行,这里的0:2相当于[0,2)前闭后开,2是不在范围之内
的。
需要注意的是,如果是df = df.loc[0:2, ['A', 'C']]或者df = df.loc[0:2, ['A', 'C']],切片之后类型依旧是dataframe,不能直接进行
加减乘除等操作的,比如dataframe的一列是数学成绩(shuxue),另一列为语文成绩(yuwen),现在需要求两门课程的总和。
可以使用df['shuxue'] + df['yuwen'](选取完之后类型为series)来获得总分,而不能使用df.iloc[:,[2]]+df.iloc[:,[1]]或
df.iloc[:,['shuxue']]+df.iloc[:,['yuwen']],这会产生错误结果。
还有一种方式是使用df.icol(i)来选取列,选取完的也不是dataframe而是series,i为该列所在的位置,从0开始计数。
如果你想要选取某一行的数据,可以使用df.loc[[i]]或者df.iloc[[i]]。
三、条件选择子集(后进行计算)
1.如选择列‘feature’为‘key’的列‘woe’
feature_bin_woe[feature_bin_woe['feature']=='key']['WOE']
2. 对同一列满足不同条件行做不同计算
df['a1'] = np.where(df.a1 >0,df['a2']-df['a3'],0)
(二)merge 通过键拼接列
pandas提供了一个类似于关系数据库的连接(join)操作的方法<Strong>merage</Strong>,可以根据一个或多个键将不同DataFrame中的行连接起来
语法如下
[python] view plain copy
- merge(left, right, how='inner', on=None, left_on=None, right_on=None,
- left_index=False, right_index=False, sort=True,
- suffixes=('_x', '_y'), copy=True, indicator=False)
用于通过一个或多个键将两个数据集的行连接起来,类似于 SQL 中的 JOIN。该函数的典型应用场景是,针对同一个主键存在两张包含不同字段的表,现在我们想把他们整合到一张表里。在此典型情况下,结果集的行数并没有增加,列数则为两个元数据的列数和减去连接键的数量。
on=None 用于显示指定列名(键名),如果该列在两个对象上的列名不同,则可以通过 left_on=None, right_on=None 来分别指定。或者想直接使用行索引作为连接键的话,就将 left_index=False, right_index=False 设为 True。
how='inner' 参数指的是当左右两个对象中存在不重合的键时,取结果的方式:inner 代表交集;outer 代表并集;left 和 right 分别为取一边。
suffixes=('_x','_y') 指的是当左右对象中存在除连接键外的同名列时,结果集中的区分方式,可以各加一个小尾巴。
对于多对多连接,结果采用的是行的笛卡尔积。
参数说明:
left与right:两个不同的DataFrame
how:指的是合并(连接)的方式有inner(内连接),left(左外连接),right(右外连接),outer(全外连接);默认为inner
on : 指的是用于连接的列索引名称。必须存在右右两个DataFrame对象中,如果没有指定且其他参数也未指定则以两个DataFrame的列名交集做为连接键
left_on:左则DataFrame中用作连接键的列名;这个参数中左右列名不相同,但代表的含义相同时非常有用。
right_on:右则DataFrame中用作 连接键的列名
left_index:使用左则DataFrame中的行索引做为连接键
right_index:使用右则DataFrame中的行索引做为连接键
sort:默认为True,将合并的数据进行排序。在大多数情况下设置为False可以提高性能
suffixes:字符串值组成的元组,用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称,默认为('_x','_y')
copy:默认为True,总是将数据复制到数据结构中;大多数情况下设置为False可以提高性能
indicator:在 0.17.0中还增加了一个显示合并数据中来源情况;如只来自己于左边(left_only)、两者(both)
(三)dataframe 分组求和和计数
根据temp列分组后组内对target变量内的列名所指的列计数、求和
total = df2.groupby(['temp'])[target].count()
total = df2.groupby(['temp'])[target].sum()
map根据现有列映射产生新列
df2['temp'] = df2[feature].map(lambda x: AssignGroup(x, split_x))
(四)python DataFrame的apply方法
[python] view plain copy
- #函数应用和映射
- import numpy as np
- import pandas as pd
- df=pd.DataFrame(np.random.randn(4,3),columns=list('bde'),index=['utah','ohio','texas','oregon'])
- print(df)
- b d e
- utah -0.451195 -0.183451 -0.297182
- ohio 0.443792 0.925751 -1.320857
- texas 1.039534 -0.927392 0.611482
- oregon 0.938760 1.265244 0.313582
[python] view plain copy
- #将函数应用到由各列或行形成的一维数组上。DataFrame的apply方法可以实现此功能
- f=lambda x:x.max()-x.min()
- #默认情况下会以列为单位,分别对列应用函数
- t1=df.apply(f)
- print(t1)
- t2=df.apply(f,axis=1)
- print(t2)
- b 1.490729
- d 2.192636
- e 1.932339
- dtype: float64
- utah 0.267744
- ohio 2.246608
- texas 1.966925
- oregon 0.951662
- dtype: float64
[python] view plain copy
- #除标量外,传递给apply的函数还可以返回由多个值组成的Series
- def f(x):
- return pd.Series([x.min(),x.max()],index=['min','max'])
- t3=df.apply(f)
- #从运行的结果可以看出,按列调用的顺序,调用函数运行的结果在右边依次追加
- print(t3)
- b d e
- min -0.451195 -0.927392 -1.320857
- max 1.039534 1.265244 0.611482
[python] view plain copy
- #元素级的python函数,将函数应用到每一个元素
- #将DataFrame中的各个浮点值保留两位小数
- f=lambda x: '%.2f'%x
- t3=df.applymap(f)
- print(t3)
- b d e
- utah -0.45 -0.18 -0.30
- ohio 0.44 0.93 -1.32
- texas 1.04 -0.93 0.61
- oregon 0.94 1.27 0.31
[python] view plain copy
- #注意,这里之所以叫applymap,是因为Series有一个永远元素级函数的map方法
- t4=df['e'].map(f)
- print(t4)
- utah -0.30
- ohio -1.32
- texas 0.61
- oregon 0.31
- Name: e, dtype: object
(五)dataframe的set_index和reset_index
1.set_index
DataFrame可以通过set_index方法,可以设置单索引和复合索引。
DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)
append添加新索引,drop为False,inplace为True时,索引将会还原为列
[python] view plain copy
- In [307]: data
- Out[307]:
- a b c d
- 0 bar one z 1.0
- 1 bar two y 2.0
- 2 foo one x 3.0
- 3 foo two w 4.0
- In [308]: indexed1 = data.set_index('c')
- In [309]: indexed1
- Out[309]:
- a b d
- c
- z bar one 1.0
- y bar two 2.0
- x foo one 3.0
- w foo two 4.0
- In [310]: indexed2 = data.set_index(['a', 'b'])
- In [311]: indexed2
- Out[311]:
- c d
- a b
- bar one z 1.0
- two y 2.0
- foo one x 3.0
- two w 4.0
2.reset_index
reset_index可以还原索引,从新变为默认的整型索引
DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill=”)
level控制了具体要还原的那个等级的索引
drop为False则索引列会被还原为普通列,否则会丢失
[python] view plain copy
- In [318]: data
- Out[318]:
- c d
- a b
- bar one z 1.0
- two y 2.0
- foo one x 3.0
- two w 4.0
- In [319]: data.reset_index()
- Out[319]:
- a b c d
- 0 bar one z 1.0
- 1 bar two y 2.0
- 2 foo one x 3.0
- 3 foo two w 4.0
pandas contact 之后,一定要记得用reset_index去处理index,不然容易出现莫名的逻辑错误
如下:
[python] view plain copy
- # -*- coding: utf-8 -*-
- import pandas as pd
- import sys
- df1 = pd.DataFrame({ 'A': ['A0', 'A1', 'A2', 'A3'],
- 'B': ['B0', 'B1', 'B2', 'B3'],
- 'C': ['C0', 'C1', 'C2', 'C3'],
- 'D': ['D0', 'D1', 'D2', 'D3']})
- df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
- 'B': ['B4', 'B5', 'B6', 'B7'],
- 'C': ['C4', 'C5', 'C6', 'C7'],
- 'D': ['D4', 'D5', 'D6', 'D7']})
- df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
- 'B': ['B8', 'B9', 'B10', 'B11'],
- 'C': ['C8', 'C9', 'C10', 'C11'],
- 'D': ['D8', 'D9', 'D10', 'D11']})
- frames = [df1, df2, df3]
- result = pd.concat(frames)
说明:直接contact之后,index只是重复,而不是变成我们希望的那样,这样在后续的操作中,容易出现逻辑错误。
使用result = result.reset_index(drop=True)来改变index就可以了,
(关于reset_index各个参数的详细讲解https://yq.aliyun.com/articles/420254)
或者也可以将 result = pd.concat(frames)
这句话改成 result = pd.concat(frames,ignore_index=True),就可以解决了
(六)DataFrame.to_dict(orient='dict')
将DataFrame格式的数据转化成字典形式
参数:当然参数orient可以是字符串{'dict', 'list', 'series', 'split', 'records', 'index'}中的任意一种来决定字典中值的类型
字典dict(默认):类似于{列:{索引:值}}这样格式的字典
列表list:类似于{列:[值]}这种形式的字典
序列series:类似于{列:序列(值)}这种形式的字典
分解split:类似于{索引:[索引],列:[列],数据:[值]}这种形式的字典
记录records:类似于[{列:值},...,{列:值}]这种形式的列表
索引index:类似于{索引:{列:值}}这种形式的字典
在新版本0.17.0中,允许缩写,s表示序列,sp表示分裂
返回:结果:像{列:{索引:值}}这种形式的字典
比如当关键字orient=’index’ 时
形成{index -> {column -> value}}的结构,调用格式正好和’dict’ 对应的反过来,
- data_index=data.to_dict(orient='index')
- data_index
- Out[43]:
- {12: {'age': 31.19418104265403,
- 'embarked': 'Cherbourg',
- 'home.dest': 'Paris, France',
- 'pclass': '1st',
- 'sex': 'female'},
- 437: {'age': 48.0,
- 'embarked': 'Southampton',
- 'home.dest': 'Somerset / Bernardsville, NJ',
- 'pclass': '2nd',
- 'sex': 'female'},
- 507: {'age': 31.19418104265403,
- 'embarked': 'Southampton',
- 'home.dest': 'Petworth, Sussex',
- 'pclass': '2nd',
- 'sex': 'male'}}
python 评分卡建模记录---使用到的各种函数(1)(转载)相关推荐
- python 评分卡建模记录---使用到的各种函数(1)
用python评分卡建模过程中使用到的numpy 和pandas中的方法 (一)python选取特定列--pandas的iloc和loc以及icol使用(列切片及行切片) df是一个dataframe ...
- python评分卡建模_Python实现半自动评分卡建模(附代码)
作者:Summer Memories 个人公众号:风控汪的数据分析之路 知乎专栏:小鑫的数据分析笔记 这次分享一个自己写的python脚本,可以实现半自动化的评分卡建模.运行脚本时需要input已经预 ...
- python评分卡建模-卡方分箱(2)之代码实现
卡方值计算 计算卡方值的函数需要输入numpy格式的频数表.对于pandas数据集,只需使用pd.crosstab计算即可,例如变量"总账户数" 与 目标变量 "是否坏客 ...
- python评分卡建模-卡方分箱
今天主要给大家讲讲卡方分箱算法ChiMerge.先给大家介绍一下经常被提到的卡方分布和卡方检验是什么. 一.卡方分布 卡方分布(chi-square distribution, χ2-distribu ...
- python评分卡建模-实现WOE编码及IV值计算
在往期的文章中,小编多次写到过WOE和IV值的内容,也贴过相关的SAS代码,感兴趣的同学可以翻阅历史消息.这篇文章就不多介绍WOE及IV值的概念,主要讲讲怎么用python实现WOE编码和IV值的计算 ...
- 卡方 python_Python评分卡建模—卡方分箱
原标题:Python评分卡建模-卡方分箱 今天主要给大家讲讲卡方分箱算法ChiMerge.先给大家介绍一下经常被提到的卡方分布和卡方检验是什么. 一.卡方分布 卡方分布(chi-square dist ...
- python 去除nan inf_Python实现半自动评分卡建模(附代码)
作者:Summer Memories 个人公众号:风控汪的数据分析之路 知乎专栏:小鑫的数据分析笔记 这次分享一个自己写的python脚本,可以实现半自动化的评分卡建模.运行脚本时需要input已经预 ...
- python金融应用的好书推荐卡_【荐书】智能风控:Python金融风险管理与评分卡建模(梅子行 毛鑫宇 著)...
原标题:[荐书]智能风控:Python金融风险管理与评分卡建模(梅子行 毛鑫宇 著) 图书简介 风险管理是金融的核心,信贷场景下的风险,很大程度上取决于贷款人的信用风险.因此,如何对贷款用户的信用风险 ...
- 【项目经验总结】贷前评分卡建模全流程指南
由于前几个月参与了一家股份制银行的信贷风控项目,其中我负责了贷前评分卡建模相关工作,最近刚完成模型交付,在此总结记录一下,从数据诊断到样本提取,再到模型构建的全流程工作内容. 本文主要侧重实地驻场建模 ...
最新文章
- WebConfig配置 文件加密处理
- Jetty+json-lib库抛异常的问题解决过程(java.lang.NoClassDefFoundError: net/sf/json/JSONObject)...
- zoj 1586 QSNetwork 最小生成树 Prim Kruskal
- [转载]——Axure+SVN配置
- vue 生成qrCode二维码保存图片至本地
- win32应用程序和win32控制台应用程序
- 单样本学习(One shot learning)和孪生网络(Siamese Network)简介
- linux脚本:每天晚上 12 点,打包站点目录/var/www/html 备份到/data 目录下
- python表情包多样化聊天室_Python | 信不信我分分钟批量做你大堆的表情包?
- YOLOv5+TensorRT+Win11(Python版)
- MATLAB打开后一直在初始化,或者初始化很慢问题
- 多看系统下载_看了辣么多的圣诞蛋糕,出事儿了吧?学吧——来自KA·MM店内的马卡拉劈柴蛋糕(已打包·可下载)...
- 机器人局部避障的动态窗口法(dynamic window approach) DWA
- VS2017 新建项目没有MFC项目选项
- 其实软件测试工程师也是程序员,很多人不知道
- iOS与unity交互、opencv 草稿
- 网际传输协议和传输控制协议(IP,TCP,IP)
- 支付宝618红包怎么领?怎么用?
- 根据地址生成客户地图及热力图(百度地图API)
- c3p0连接池使用完毕后连接返还