西安大唐不夜城,longines,两小儿辨日

频道:推荐新闻 日期: 浏览:227

项目介绍

所谓探索性数据分析(Exploratory Data Analysis,以下简称EDA),是指对已有的数据(特别是调查或观察得来的原始数据)在尽量少的先验假定下进行探索,通过作图、制表、方程拟合、计算特征量等手段探索娇喘文字数据的结构和规律的一种数据分析方法。特别是当我们对这些数据中的信息没有足重生之乔宣够的经验,不知道该用何种传统统计方法进行分析时,探索性数据分析就会非常有效。探索性数据分析在上世纪六十年代被提出,其方法由美国著名统计学家约翰图基(John Tukey)命名。

本项目需解决的问题

本项目分析P2P平台Lending Club的贷款数据,探索数据分析过程中,并尝试回答以下3个问题:

1、利率与风险成正比,风险越高,利率越高,违约的可能线性越大,从P2P平台的数据来看,影响风险的因素有哪些?(为后续建模做准备)

2、了解P2P平台的业务特点、产品类型、资产质量、风险定价?

3、有什么建议?

分析思路

我们可以将信贷信息分为信贷硬信息和信贷软信息。

任何可以量化客户的还款能力的信息均可以用作硬信息,可勾勒客户还款意愿的信息则为软信息。

信贷硬信息: 站在企业的角度,硬信息主要包括财务三大报表(资产负债表、利润表和现金流量表)以及信贷记录;站在个人角度硬信息主要包括:个人年收入 、资产状况(借款是否拥有房产、车或理财产品)。

信贷软信息: 过往的信贷记录比较直接了解客户的还款意愿,以往发生违约次数较多的客户再次发生违约的概率相比其他客户大。客户的学历、年龄、目前工作所在单位的级别和性别等信息也可作为软信息。

因此,我们主要围绕着“客户是否具有偿还能力,是否具有偿还意愿”展开探索分析。

项目背景

作为旧金山的一家个人对个人的借贷公司,Lending Club成立于2006年。他们是第一家注册为按照美国证券交易委员会SEC(Securities and Exchange Commission)的安全标准向个人提供个人贷款的借贷公司。与传统借贷机构最大的不同是,Lending Club利用网络技术打造的这个交易平台,直接连接了个人投资者和个人借贷者,通过此种方式,缩短了资金流通的环节,尤其是绕过了传统的大银行等金融机构,使得投资者和借贷者都能得到更多实惠、更快捷。对于投资者来说可以获得更好的脱戏回报,而对于借贷者来说,必优甄选则可以获得相对较低的贷款利率。

Lending Club 介绍:https://www.huxiu.com/article/41472/1.html

数据集

数据集是Lending Club平台发生借贷的业务数据(2017年第二季),具体数据集可以从Lending Club官网下载

本项目报告分析,我将如何运用Python操作数据和探索分析数据的思考过程均记录下来。

前期准备

第一步,导入我们要用的库


注意:不要漏了%matplotlib inline。IPython提供了很多魔法命令,使得在IPython环境中的操作更加得心应手,使用%matplotlib inline在绘图时,将图片内嵌在交互窗口,而不是弹出一个图片窗口。具体请查看Stackoverflow的解释。

获取数据

第二步,使用Pandas解析数据

Pandas是基于Nk1351umPy的一个非常好用的库,无论是读取数据、处理数小山雀据,用它都非常简单。学习Pandas最好的方法就是查看官方文档 。

数据集的格式是CSV,因此我们用到pandans.read_csv方法,同时也将CSV内容转化成矩阵潘春春夜火的格式。


探索分析数据(EDA)

一旦获得了数据,下一步就是检查和探索他们。在这个阶段,主要的目标是合理地检查数据。例如:如果数据有唯一的标记符,是否真的只有一个;数据是什么类型,检查最极端的情况。他们是否有意义,有什么需要删除的吗?数据应该怎么调整才能适用于接下来的分析和挖掘?此外,数据集还有可能存在异常值。同时,网游之绝色少年我将会通过对数据进行简单的统计测试,并将其可视化。 检查和探索数据的过程非常关键。因为下一步需要清洗和准备处理这些数据,只有进入模型的数据质量是好的,才能构建好的模型。(避免Garbage in, Garbage out)

首先预览基本内容,Pandas为我们提供很多可以方便查看和检查数数据的方法,有df.head(n)、df.tail(n)、df.shape()、http://df.info() 等 。

查看表格的行数和列数



扩大行查看范围


由上图我们发现一些列有很多缺失值,这些缺失值对我们的数据分析没有意义,因此,首先肖柯把含有许多缺失值的列删除,同时将已清洗过的数据新建CSV保存血色归途。

处理缺失值

统计每列属性缺失值的数量。



再次用pandas解析预处理过的数据文件并预览基本信息。


数据从137列减少至102列。



Pandas的describe()不能统计数据类型为object的属性,部分数据int_rate和emp_length数据类型都是object,稍后分析数据时需将它们转化为类型为floate的数字类型。

数据集的属性较多,我们初步聚焦几个重要特征展开分析,特别是我们最关心的属性贷款状态。




单变量分析

1.贷款状态分布

处理异常值


由于loan_status异常值为n的数量和贷款金额较小,因此我们直接删异常值所对应的行。


为了更方便分析,我们将贷款状态进行分类变量编码,主要将贷款状态分为正常和西安大唐不夜城,longines,两小儿辨日违约,贷款状态分类依据主要参考 The 10 loan status variants explained




从图中可以看出,平台贷款发生违约的数桃色娇妻之我是大魔王量占少数。贷款状态为正常的有103,746个,贷款正常状态占比为98.38%。紫优系列复仇伪天使贷款状态将作为我们建模的标签,贷款状态正常和贷款状态违约两者数量不平衡,绝大多数常见的前妻劫个色机器学习算法对于不平衡数据集都不能很好地工作,下一篇项目报告中,我们将会解决样本不平衡的问题。

2.贷款金额分布


平台贷款呈现右偏正态分布,贷款金额最小值为1,0裴明浩危险的弟弟00美元,最大值为40,000美元,贷款金额主要集中在10,000美元左右,中位朱佳怡数为12,000美元,可以看出平台业务主要以小额贷款为主。贷款金额越大风险越大。

3.贷款期限分布



平台贷款产品期限分为36个月和60个月两种,其中贷款期限为60个月的贷款占比为26优茶美.88%,贷款期限为36个月的贷款占比为73.12%。一般来说贷款期限越长,不确定性越大,违约的可能性更大,期限较长的贷款产品风险越高 。从期限角度看,平台风险偏小的资产占大部分。

4.贷款产品用途种类比较



P2P平台贷款用途最多的为债务重组(借新债还旧债),其次是信用卡还款,第三是住房改善。一般来说,贷款用途为债务重组和信用卡还款的客户现金流较为紧张,此类客户也是在传统银行渠道无法贷款才转来P2P平台贷款,这部分客户的偿还贷款能力较弱,发生违约的可能性较高。还有部分贷款用途为Other的贷款,需要通过其他维度来分析其风险。

5.客户信用等级占比



Lending Clu冒牌特工队b平台对客户的信用等级分7类,A~G,信用等级为A的客户信用评分最高,信用等级为G的客户最低,信用等级的客户发生违约的可能性更低。目前,平台客户信用等级占比较多的客户为C类,其次是B类和A类,三者合计占比为81.62%。此外信用等级为E、F、G类的客户占比为6.99%。可以看出Lending Club授信部门对申请人的资信情况把关较严。

6.贷款利率种类分布




Lending Club平台贷款利率呈现右偏正态分布,利率中位数12.62%,利率最高值为31.00%,利率最小值为5.32斗破乾坤龙王求亲请排队%。利率是资金的价格,利率越高,借款人借贷成本越高,借款人违约的可能性越高。

热门
最新
推荐
标签