如何用数据挖掘“花呗”到底该不该用？

基于蒙特卡洛原理：

→ 如果当月全部花费全部由花呗支付，当当月花呗欠款大于当月可支出收入时，就要“吃土了”

→ 预设计算120个月(十年)，假如十年都没能够吃上土，那就代表愿望成真

“收入多少？” —— 每月净收入模型构建
“花费多少？” —— 每月开支模型构建
“是否吃土？” —— 使用花呗还款情况模拟
“用了花呗会怎么样？” —— 用花呗的不同情况下，看看偿还额度的变化

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib  as mpl
mpl.rcParams['font.sans-serif'] = ['simHei']
mpl.rcParams['axes.unicode_minus'] = False
import matplotlib.style as psl
psl.use('seaborn-colorblind')
% matplotlib inline
# 设置一个图标风格
# 魔法函数

1、“收入多少？” —— 每月净收入模型构建

净收入 = 月薪 - 五险一金 + 奖金 - 个人所得税
假设换了一份月薪1W的工作，且公司每月会根据绩效给予1500元左右的奖金

上海市五险一金缴纳系数

上海市五险一金及税后工资计算器：

个税政策

# 构建税费计算函数def tax(salary_sum):if salary_sum <= 3500:# 月薪低于3500元；return 0elif salary_sum <= (3500 + 1500):# 月薪在3500-4500元之间；return (salary_sum - 3500) * 0.03elif salary_sum <= (3500 + 1500 + 3000):# 月薪在4500-8000元之间；return 1500 * 0.03 + (salary_sum - 1500 - 3500) * 0.1elif salary_sum <= (3500 + 1500 + 3000 + 4500):# 月薪在8000-12500元之间；return 1500 * 0.03 + 3000 * 0.1 + (salary_sum - 3500 - 1500 - 3000) * 0.2elif salary_sum <= (3500 + 1500 + 3000 + 4500 + 26000):# 月薪在12500-38500元之间；return 1500 * 0.03 + 3000 * 0.1 + 4500 * 0.2 + (salary_sum - 3500 - 1500 - 3000 - 4500) * 0.25elif salary_sum <= (3500 + 1500 + 3000 + 4500 + 26000 + 20000):# 月薪在38500-58500元之间；return 1500 * 0.03 + 3000 * 0.1 + 4500 * 0.2 + 26000 * 0.25 + (salary_sum - 3500 - 1500 - 3000 - 4500 - 26000) * 0.3elif salary_sum <= (3500 + 1500 + 3000 + 4500 + 26000 + 20000 + 25000):# 月薪在58500-83500元之间；return 1500 * 0.03 + 3000 * 0.1 + 4500 * 0.2 + 26000 * 0.25 + 20000 * 0.3 + (salary_sum - 3500 - 1500 - 3000 - 4500 - 26000 - 20000) * 0.35else:# 月薪在83500元以上；return 1500 * 0.03 + 3000 * 0.1 + 4500 * 0.2 + 26000 * 0.25 + 20000 * 0.3 + 25000 * 0.35 + (salary_sum - 3500 - 1500 - 3000 - 4500 - 26000 - 20000 - 25000) * 0.45test = 45000
print('函数构建完成，当月薪为%.1f元时，需要缴税%.2f元' % (test,tax(test)))

函数构建完成，当月薪为45000.0元时，需要缴税9695.00元

# 构建五险一金函数def insurance(salary):if salary <= 21396:return salary * 0.175else:return 3744.58test = 15000
print('函数构建完成，当月薪为%.1f元时，需要缴五险一金%.2f元' % (test,insurance(test)))

函数构建完成，当月薪为15000.0元时，需要缴五险一金2625.00元

# 构建奖金随机函数def bonus(b_avg):# 预设10年的奖金，生成120个随机值return pd.Series(np.random.normal(loc = b_avg,scale = 200,size = 120))print('函数构建完成，当奖金均值为1500时，随机数组为：')
print(bonus(1500)[:10])plt.title('奖金随机函数 - 数据分布直方图')
plt.hist(bonus(1500),bins = 30)
plt.grid()
# 绘制直方图

函数构建完成，当奖金均值为1500时，随机数组为：
0    1367.490124
1    1707.555061
2    1891.970924
3    1500.842463
4    1578.909590
5    1370.132893
6    1702.545936
7    1686.156750
8    1591.627115
9    1742.975270
dtype: float64

# 构建每月净收入函数def final_income(s,b_avg):df_i = pd.DataFrame({'月薪':[s for i in range(120)],                  # 月薪基数'五险一金':[insurance(s) for i in range(120)],   # 计算五险一金'奖金':bonus(b_avg)                              # 计算奖金})df_i['计税部分'] = df_i['月薪'] + df_i['奖金']df_i['个人所得税'] = df_i['计税部分'].apply(lambda x : tax(x))  # 计算个人所得税df_i['月净收入'] = df_i['月薪'] - df_i['五险一金'] + df_i['奖金'] - df_i['个人所得税']return df_i# return  → 返回一个dataframeresult = final_income(10000,1500)
# 测试结果 → 当月收入1万，平均奖金1500元时的月净收入情况result['月净收入'].iloc[:12].plot(kind='bar',figsize = (12,4),color='Green')
plt.title('月净收入情况 - 前12月')
plt.grid()result.head()
# .head()查看头5条数据

	五险一金	奖金	月薪	计税部分	个人所得税	月净收入
0	1750.0	1588.668883	10000	11588.668883	1062.733777	8775.935107
1	1750.0	1539.295856	10000	11539.295856	1052.859171	8736.436685
2	1750.0	1341.057045	10000	11341.057045	1013.211409	8577.845636
3	1750.0	1295.503319	10000	11295.503319	1004.100664	8541.402655
4	1750.0	1593.091777	10000	11593.091777	1063.618355	8779.473421

2、“花费多少？” —— 每月开支模型构建

基本生活支出 → 以她奢侈的生活，一天100不在话下，但由于是基本支出，变化也不会太大。我设定以3000元和3500元为限，均匀分布
购物支出 → 暗恋对象有句名言，“工资一分二，购物拿一半。”所以，模型设定为以5000元为均值，500元为标准差的正态分布
娱乐支出 → 暗恋对象闺蜜众多，每周一次的girl’s night是不能少的，一次至少花个100，多则300不过分吧。所以，模型设定以400元和1200元为限，均匀分布
学习支出 → 爱学习应该是暗恋对象少有的优点，某在线平台课程价格大概在100元到500元不等。所以，这个也可以设定个均匀分布的模型
其他支出 → 每个月总会有些意外什么的，比如出门掉了个钱包等等。所以，为了计算尽可能接近真实，我设定500元为均值，40元为标准差的正态分布模型

总支出=基本生活+购物+娱乐+学习+其他

# 基本生活支出general_expense = pd.Series(np.random.randint(3000,3501,size=120))
plt.title('基本生活支出')
plt.hist(general_expense,bins = 30)
plt.grid()
# 绘制直方图

# 购物支出shopping = pd.Series(np.random.normal(loc=5000,scale=500,size=120))
plt.title('购物支出')
plt.hist(shopping,bins = 30)
plt.grid()
# 绘制直方图

# 娱乐支出happy = pd.Series(np.random.randint(400,1200,size=120))
plt.title('娱乐支出')
plt.hist(happy,bins = 30)
plt.grid()
# 绘制直方图

# 学习支出study = pd.Series(np.random.randint(100,500,size=120))
plt.title('学习支出')
plt.hist(study,bins = 30)
plt.grid()
# 绘制直方图

# 其他支出other = pd.Series(np.random.normal(loc=500,scale=40,size=120))
plt.title('其他支出')
plt.hist(other,bins = 30)
plt.grid()
# 绘制直方图

# 构建每月开支函数def final_expense():df_i = pd.DataFrame({'基本生活支出':np.random.randint(3000,3501,size=120),'购物支出':np.random.normal(loc=5000,scale=500,size=120),'娱乐支出':np.random.randint(400,1200,size=120),'学习支出':np.random.randint(100,500,size=120),'其他支出':np.random.normal(loc=500,scale=40,size=120)})df_i['月总支出'] = df_i['基本生活支出'] + df_i['购物支出'] + df_i['娱乐支出'] + df_i['学习支出'] + df_i['其他支出']return df_i# return  → 返回一个dataframeresult = final_expense()
# 测试结果 → 随机构建每月支出情况result[['基本生活支出','购物支出','娱乐支出','学习支出','其他支出']].iloc[:12].plot(kind='bar',figsize = (12,4),stacked = True,colormap = 'Reds_r')
plt.title('月总支出情况 - 前12月')
plt.grid()result.head()

	其他支出	基本生活支出	娱乐支出	学习支出	购物支出	月总支出
0	497.302429	3440	689	317	6042.073209	10985.375638
1	492.882529	3297	1049	382	4306.480868	9527.363398
2	538.277618	3208	1062	235	4411.161792	9454.439410
3	564.221604	3026	504	159	5129.968614	9383.190218
4	460.558753	3431	1121	174	5284.007878	10470.566631

3、“是否吃土？” —— 使用花呗还款情况模拟

整理几个约束条件：

每月先还欠款，再消费。
所有的支出除还款外，都可以使用花呗透支。
当这月的收入小于等于需要还款的金额，就代表你要吃土了
花呗信用总额度为1.5万

所以如何算破（吃）产（土）呢？

当月还需借贷花呗金额 = 月初余额 + 月收入 - 月支出 - 本月需还花呗 > 15000 时

# 创建120个月每月的①月收入，②月支出，③月初余额，④本月需还花呗，这里用0元来填充income = final_income(10000,1500)['月净收入'].tolist()
expense = final_expense()['月总支出'].tolist()
saving = [0 for i in range(120)]
debt = [0 for i in range(120)]print('前6个月的月收入，月支出，月初余额（未计算），本月需还花呗（未计算） 数据分别为：\n')
print(income[:6])
print(expense[:6])
print(saving[:6])
print(debt[:6])

前6个月的月收入，月支出，月初余额（未计算），本月需还花呗（未计算） 数据分别为：[8671.354407484552, 8869.05979519114, 8604.519596925978, 9075.881643538856, 8605.88945231119, 8696.638150398318]
[10678.765703440291, 10348.918097588125, 10200.358235336866, 8987.087371851503, 9377.37124634694, 9414.932245897835]
[0, 0, 0, 0, 0, 0]
[0, 0, 0, 0, 0, 0]

第一回合：不使用分期功能

# 第二个月推导if income[0] >= expense[0]:'''第一个月收入大于等于支出时：第二个月月初余额 = 第一个月收入 - 第一个月支出第二个月需还花呗 = 0'''saving[1] = income[0] - expense[0]debt[1] = 0
else:'''第一个月收入小于支出时：第二个月月初余额 = 0第二个月需还花呗 = 第一个月支出 - 第一个月收入'''saving[1] = 0debt[1] = expense[0] - income[0]print(income[:2])
print(expense[:2])
print(saving[:2])
print(debt[:2])

[8671.354407484552, 8869.05979519114]
[10678.765703440291, 10348.918097588125]
[0, 0]
[0, 2007.4112959557388]

# 构建函数模拟income = final_income(10000,1500)['月净收入'].tolist()
expense = final_expense()['月总支出'].tolist()
saving = [0 for i in range(120)]
debt = [0 for i in range(120)]def case_a():month = []data = []# 创建两个空列表，用于存放月份和每月数据for i in range(120):money = saving[i] + income[i] - debt[i] - expense[i]  # 当月还需借贷花呗金额 = 月初余额 + 月收入 - 月支出 - 本月需还花呗#print(money)if -money > 15000:# 当月还需借贷花呗金额大于15000元时 → 破（吃）产（土）print('第%i个月花呗也救不了我了，要破（吃）产（土）了！\n-------' % (i+1))breakelse:# 当月还需借贷花呗金额小于等于15000元时 → 继续浪if money >= 0:saving[i+1] = saving[i] + income[i] - expense[i] - debt[i]debt[i+1] = 0else:saving[i+1] = 0debt[i+1] = expense[i] + debt[i] - income[i] - saving[i]month.append(i+1)data.append([income[i],expense[i],debt[i],saving[i+1],debt[i+1]])# 创建循环，模拟每月花呗使用情况result_a = pd.DataFrame(data,columns=['月收入','月支出','本月需还花呗','本月余钱','欠债'],index = month)result_a.index.name = '月份'# 将数据存为Dataframereturn result_acase_a()

第13个月花呗也救不了我了，要破（吃）产（土）了！
-------

	月收入	月支出	本月需还花呗	本月余钱	欠债
月份
1	8681.780967	9877.634413	0.000000	0	1195.853445
2	8738.951195	9071.504566	1195.853445	0	1528.406817
3	9065.070601	11252.336547	1528.406817	0	3715.672763
4	8360.093435	11018.560639	3715.672763	0	6374.139966
5	8809.520601	10355.257101	6374.139966	0	7919.876467
6	8868.918668	8705.602349	7919.876467	0	7756.560148
7	8491.283500	10039.671667	7756.560148	0	9304.948315
8	8728.472345	9619.446057	9304.948315	0	10195.922026
9	8428.517242	9300.045999	10195.922026	0	11067.450783
10	8734.875596	9913.616808	11067.450783	0	12246.191994
11	8885.632756	9104.904071	12246.191994	0	12465.463309
12	8739.980131	10287.163476	12465.463309	0	14012.646655

# 第一回合：不使用分期情况下，进行1万次模拟，查看破产月份month_case_a = []
for i in range(10000): print('正在进行第%i次模拟' % (i+1))income = final_income(10000,1500)['月净收入'].tolist()expense = final_expense()['月总支出'].tolist()saving = [0 for i in range(120)]debt = [0 for i in range(120)]result_a = case_a().index.max()month_case_a.append(result_a)result_a = pd.Series(month_case_a)

# 基于10000次模拟的破（吃）产（土）月份，制作直方图plt.figure(figsize = (12,4))
result_a.hist(bins=15)
plt.title('第一回合：不可分期 - 模拟结果')

第二回合：允许分期

分期相当于把当月需要还的款项分摊到之后数个月，当月的负担减小了，但代价是支付一定的利息。此时我快速翻出了花呗的利率表：

可以看到 … 现在余额宝年化3.5%，而花呗分期基本都是10%左右！！！！

# 构建函数模拟 - 分期三月income = final_income(10000,1500)['月净收入'].tolist()
expense = final_expense()['月总支出'].tolist()
saving = [0 for i in range(120)]
debt = [0 for i in range(120)]def case_b():month = []data = []# 创建两个空列表，用于存放月份和每月数据for i in range(120):money = saving[i] + income[i] - debt[i] - expense[i]  # 当月还需借贷花呗金额 = 月初余额 + 月收入 - 月支出 - 本月需还花呗#print(money)if -money > 15000:# 当月还需借贷花呗金额大于15000元时 → 破（吃）产（土）print('第%i个月花呗也救不了我了，要破（吃）产（土）了！\n-------' % (i+1))breakelse:# 当月还需借贷花呗金额小于等于15000元时 → 继续浪if money >= 0:saving[i+1] = saving[i] + income[i] - expense[i] - debt[i]debt[i+1] = 0else:money_per = (abs(money) * (1+0.025))/3    # 分期三月saving[i+1] = 0debt[i+1] = debt[i+1] + money_perdebt[i+2] = debt[i+2] + money_perdebt[i+3] = debt[i+3] + money_permonth.append(i+1)data.append([income[i],expense[i],debt[i],saving[i+1],debt[i+1]])# 创建循环，模拟每月花呗使用情况result_b = pd.DataFrame(data,columns=['月收入','月支出','本月需还花呗','本月余钱','欠债'],index = month)result_b.index.name = '月份'# 将数据存为Dataframereturn result_bcase_b()

# 构建函数模拟 - 分期六月income = final_income(10000,1500)['月净收入'].tolist()
expense = final_expense()['月总支出'].tolist()
saving = [0 for i in range(120)]
debt = [0 for i in range(120)]def case_c():month = []data = []# 创建两个空列表，用于存放月份和每月数据for i in range(120):money = saving[i] + income[i] - debt[i] - expense[i]  # 当月还需借贷花呗金额 = 月初余额 + 月收入 - 月支出 - 本月需还花呗#print(money)if -money > 15000:# 当月还需借贷花呗金额大于15000元时 → 破（吃）产（土）print('第%i个月花呗也救不了我了，要破（吃）产（土）了！\n-------' % (i+1))breakelse:# 当月还需借贷花呗金额小于等于15000元时 → 继续浪if money >= 0:saving[i+1] = saving[i] + income[i] - expense[i] - debt[i]debt[i+1] = 0else:money_per = (abs(money) * (1+0.045))/6    # 分期六月saving[i+1] = 0debt[i+1] = debt[i+1] + money_perdebt[i+2] = debt[i+2] + money_perdebt[i+3] = debt[i+3] + money_perdebt[i+4] = debt[i+4] + money_perdebt[i+5] = debt[i+5] + money_perdebt[i+6] = debt[i+6] + money_permonth.append(i+1)data.append([income[i],expense[i],debt[i],saving[i+1],debt[i+1]])# 创建循环，模拟每月花呗使用情况result_c = pd.DataFrame(data,columns=['月收入','月支出','本月需还花呗','本月余钱','欠债'],index = month)result_c.index.name = '月份'# 将数据存为Dataframereturn result_ccase_c()

# 构建函数模拟 - 分期九月income = final_income(10000,1500)['月净收入'].tolist()
expense = final_expense()['月总支出'].tolist()
saving = [0 for i in range(120)]
debt = [0 for i in range(120)]def case_d():month = []data = []# 创建两个空列表，用于存放月份和每月数据for i in range(120):money = saving[i] + income[i] - debt[i] - expense[i]  # 当月还需借贷花呗金额 = 月初余额 + 月收入 - 月支出 - 本月需还花呗#print(money)if -money > 15000:# 当月还需借贷花呗金额大于15000元时 → 破（吃）产（土）print('第%i个月花呗也救不了我了，要破（吃）产（土）了！\n-------' % (i+1))breakelse:# 当月还需借贷花呗金额小于等于15000元时 → 继续浪if money >= 0:saving[i+1] = saving[i] + income[i] - expense[i] - debt[i]debt[i+1] = 0else:money_per = (abs(money) * (1+0.065))/9    # 分期九月saving[i+1] = 0debt[i+1] = debt[i+1] + money_perdebt[i+2] = debt[i+2] + money_perdebt[i+3] = debt[i+3] + money_perdebt[i+4] = debt[i+4] + money_perdebt[i+5] = debt[i+5] + money_perdebt[i+6] = debt[i+6] + money_perdebt[i+7] = debt[i+7] + money_perdebt[i+8] = debt[i+8] + money_perdebt[i+9] = debt[i+9] + money_permonth.append(i+1)data.append([income[i],expense[i],debt[i],saving[i+1],debt[i+1]])# 创建循环，模拟每月花呗使用情况result_d = pd.DataFrame(data,columns=['月收入','月支出','本月需还花呗','本月余钱','欠债'],index = month)result_d.index.name = '月份'# 将数据存为Dataframereturn result_dcase_d()

# 构建函数模拟 - 分期十二月income = final_income(10000,1500)['月净收入'].tolist()
expense = final_expense()['月总支出'].tolist()
saving = [0 for i in range(120)]
debt = [0 for i in range(120)]def case_e():month = []data = []# 创建两个空列表，用于存放月份和每月数据for i in range(120):money = saving[i] + income[i] - debt[i] - expense[i]  # 当月还需借贷花呗金额 = 月初余额 + 月收入 - 月支出 - 本月需还花呗#print(money)if -money > 15000:# 当月还需借贷花呗金额大于15000元时 → 破（吃）产（土）print('第%i个月花呗也救不了我了，要破（吃）产（土）了！\n-------' % (i+1))breakelse:# 当月还需借贷花呗金额小于等于15000元时 → 继续浪if money >= 0:saving[i+1] = saving[i] + income[i] - expense[i] - debt[i]debt[i+1] = 0else:money_per = (abs(money) * (1+0.088))/12    # 分期十二月saving[i+1] = 0debt[i+1] = debt[i+1] + money_perdebt[i+2] = debt[i+2] + money_perdebt[i+3] = debt[i+3] + money_perdebt[i+4] = debt[i+4] + money_perdebt[i+5] = debt[i+5] + money_perdebt[i+6] = debt[i+6] + money_perdebt[i+7] = debt[i+7] + money_perdebt[i+8] = debt[i+8] + money_perdebt[i+9] = debt[i+9] + money_perdebt[i+10] = debt[i+10] + money_perdebt[i+11] = debt[i+11] + money_perdebt[i+12] = debt[i+12] + money_permonth.append(i+1)data.append([income[i],expense[i],debt[i],saving[i+1],debt[i+1]])# 创建循环，模拟每月花呗使用情况result_e = pd.DataFrame(data,columns=['月收入','月支出','本月需还花呗','本月余钱','欠债'],index = month)result_e.index.name = '月份'# 将数据存为Dataframereturn result_ecase_e()

# 第二回合：允许分期(分期三月)month_case_b = []
for i in range(10000): print('正在进行第%i次模拟' % (i+1))income = final_income(10000,1500)['月净收入'].tolist()expense = final_expense()['月总支出'].tolist()saving = [0 for i in range(120)]debt = [0 for i in range(120)]result_b = case_b().index.max()month_case_b.append(result_b)result_b = pd.Series(month_case_b)

# 第二回合：允许分期(分期六月)month_case_c = []
for i in range(10000): print('正在进行第%i次模拟' % (i+1))income = final_income(10000,1500)['月净收入'].tolist()expense = final_expense()['月总支出'].tolist()saving = [0 for i in range(120)]debt = [0 for i in range(120)]result_c = case_c().index.max()month_case_c.append(result_c)result_c = pd.Series(month_case_c)

# 第二回合：允许分期(分期九月)month_case_d = []
for i in range(10000): print('正在进行第%i次模拟' % (i+1))income = final_income(10000,1500)['月净收入'].tolist()expense = final_expense()['月总支出'].tolist()saving = [0 for i in range(120)]debt = [0 for i in range(120)]result_d = case_d().index.max()month_case_d.append(result_d)result_d = pd.Series(month_case_d)

# 第二回合：允许分期(分期十二月)month_case_e = []
for i in range(10000): print('正在进行第%i次模拟' % (i+1))income = final_income(10000,1500)['月净收入'].tolist()expense = final_expense()['月总支出'].tolist()saving = [0 for i in range(120)]debt = [0 for i in range(120)]result_e = case_e().index.max()month_case_e.append(result_e)result_e = pd.Series(month_case_e)

# 基于10000次模拟的破（吃）产（土）月份，制作直方图 - 分期三月plt.figure(figsize = (12,4))
result_b.hist(bins=18)
plt.title('第二回合：允许分期(分期三月) - 模拟结果')

# 基于10000次模拟的破（吃）产（土）月份，制作直方图 - 分期六月plt.figure(figsize = (12,4))
result_c.hist(bins=20)
plt.title('第二回合：允许分期(分期六月) - 模拟结果')

# 基于10000次模拟的破（吃）产（土）月份，制作直方图 - 分期九月plt.figure(figsize = (12,4))
result_d.hist(bins=20)
plt.title('第二回合：允许分期(分期九月) - 模拟结果')

# 基于10000次模拟的破（吃）产（土）月份，制作直方图 - 分期十二月plt.figure(figsize = (12,4))
result_e.hist(bins=20)
plt.title('第二回合：允许分期(分期十二月) - 模拟结果')

4、“用了花呗会怎么样？” —— 用花呗的不同情况下，看看偿还额度的变化

# 查看数据income = final_income(10000,1500)['月净收入'].tolist()
expense = final_expense()['月总支出'].tolist()
saving = [0 for i in range(120)]
debt = [0 for i in range(120)]
r1 = case_a()['欠债']income = final_income(10000,1500)['月净收入'].tolist()
expense = final_expense()['月总支出'].tolist()
saving = [0 for i in range(120)]
debt = [0 for i in range(120)]
r2 = case_b()['欠债']income = final_income(10000,1500)['月净收入'].tolist()
expense = final_expense()['月总支出'].tolist()
saving = [0 for i in range(120)]
debt = [0 for i in range(120)]
r3 = case_c()['欠债']income = final_income(10000,1500)['月净收入'].tolist()
expense = final_expense()['月总支出'].tolist()
saving = [0 for i in range(120)]
debt = [0 for i in range(120)]
r4 = case_d()['欠债']income = final_income(10000,1500)['月净收入'].tolist()
expense = final_expense()['月总支出'].tolist()
saving = [0 for i in range(120)]
debt = [0 for i in range(120)]
r5 = case_e()['欠债']df = pd.DataFrame({'不分期':r1,'分期三月':r2,'分期六月':r3,'分期九月':r4,'分期十二月':r5},columns = ['不分期','分期三月','分期六月','分期九月','分期十二月'])
df
# 将不同情况的数据连接进行合并

# 制作折线图df.plot(kind='line',style = '--.',alpha = 0.8,use_index = True,figsize = (12,4),legend = True,colormap = 'Accent')
plt.title('不同情况下负债积累')
plt.grid()

一些结论

分期时间越长，可以尽情挥霍不吃土的时间就越长，表明通过透支、借贷，能够大大延缓面临吃土的时间
当收入无法良好匹配“较高生活水平”时，用花呗可以延长时间，但负债将一直积累

所以，使用花呗是可以的，但要适当合理，更重要的是如何提高收入，来更好匹配自己想要的生活

研究下“花呗”到底该不该用？相关推荐

[轉]值得研究邓亚萍代表的到底是哪个“国家”？
轉的,不好意思,不知出處... 值得研究邓亚萍代表的到底是哪个"国家"? 据说爱斯基摩人有几十个词来描绘雪,比如"大雪"."小雪".&qu ...
没事研究下C#虚拟光驱，有所收获！
没事研究下C#虚拟光驱,有所收获!它被定义了,但它却被定义为未定义--有趣的宏定义前些日子为了弄清楚宏定义写了个小程序,忽然发现将标识符定义为空和将标识符定义为未定义完全是两码事-虚拟光驱-然后发现 ...
学习和研究下unity3d的四元数 Quaternion
学习和研究下unity3d的四元数 Quaternion 今天准备学习和研究下unity3d的四元数 Quaternion 四元数在电脑图形学中用于表示物体的旋转,在unity中由x,y,z,w 表示 ...
oracle 控制文件 dump,将控制文件dump出来研究下内容
今天有点时间,刚好研究下oracle的控制文件内容: SQL> oradebug setmypid 已处理的语句 SQL> oradebug dump controlf 3; 已处理的语句 ...
总结下花了大约半年的时间从零开始的unity游戏开发（1）
从那个2016年8月份左右 ,受了自己爱好的影响,入坑了Unity游戏开发的路上了.知道现在2017年3月20号,我在一家手游公司呆了4个月了,其中加班的日子总是星期一到星期六,每天早上9点上到晚上1 ...
每个架构师都应该研究下康威定律
今天的分享主要来自我之前的工作经验以及平时的学习总结和思考.我之前的背景主要是做框架.系统和平台架构,之前工作过的公司 eBay.携程.唯品会都是平台型互联网公司,所以今天主要带着平台架构视角和大家分 ...
转：每个架构师都应该研究下康威定律
今天的分享主要来自我之前的工作经验以及平时的学习总结和思考.我之前的背景主要是做框架.系统和平台架构,之前工作过的公司 eBay.携程.唯品会都是平台型互联网公司,所以今天主要带着平台架构视角和大家分 ...
(转)每个架构师都应该研究下康威定律
摘要:这篇文章的分享者杨波具有超过10年的互联网分布式系统研发和架构经验,曾先后就职于 eBay 中国研发中心(eBay CDC).携程.唯品会(VIPShop)等.本文由攀爬的蜗牛以及田光整理. 今 ...
连华为都在研究的计算机视觉，到底有多牛?
去年,华为在CCF-GAIR 大会上介绍了在人工智能领域的愿景,华为为了实现这个战略目标,从中梳理出深耕基础研究.打造全栈方案.投资开放生态和人才培养.解决方案增强.内部效率提升五大方向,以此打造无所 ...

研究下“花呗”到底该不该用？