数据挖掘-预测贷款用户预期--Datawhale项目

第一步：导入数据

1.加载相应的pandas与os库

import pandas as pd
import os 
csv_path = open( "data.csv",encoding='gbk')
data = pd.read_csv(csv_path)

然后查看数据首5行

data.head()

数据挖掘-预测贷款用户预期--Datawhale项目

统计下数据里有的数据类型，缺失情况，数据量大小：

data.info()

数据挖掘-预测贷款用户预期--Datawhale项目

从得出的数据大概情况可以看到数据中既有浮点型数据70列、整数型13列、object型7列，数据在整体上是相当完整的，除了student_feature这个标签有较多缺失值Nan以外，其他数据仅有很小的缺失，因此接下来我们需要对数据进行无关特征的剔除及缺失值的填充。

2.剔除无关、缺失严重标签

在此次分析中，我们的目标是预测贷款用户是否逾期，结果标签是“status”，因此，我们对无关特征与缺失严重的“student_featyre”标签进行删除。

data = data.drop(['trade_no','student_feature','latest_query_time','bank_card_no','source','loans_latest_time', 'source', 'Unnamed: 0', 'id_name'], axis=1)
data.head()

数据挖掘-预测贷款用户预期--Datawhale项目

3.处理缺失值

def find_na_column(a):
    miss_columns = []
    for column in a:
        if sum(pd.isnull(a[column])) > 0:
            miss_columns.append(column)
            return miss_columns
        for col in missColumns:
            data[col]=data[col].fillna(data[col].mean())

find_na_column(data)

在这里使用了(https://blog.csdn.net/ljfwz153076024/article/details/88072922)这位同学使用的填充方法，没办法，自己想不出，水平有限。

4.数据切分

from sklearn.model_selection import train_test_split

train_set, test_set = train_test_split(data, test_size=0.3, random_state=2018)

数据挖掘-预测贷款用户预期--Datawhale项目

5.总结：平时到手少，写的时候脑袋空空，空空如也，果然平时还是得多读书多敲代码。