【金融风控建模系列】数据篇（一）

第二章 数据

---

---

前言

第一章介绍了建模的三要素，包括数据、特征、模型。一个好模型，需要在这三点反复推敲。
第二章分为三部分。第一部分告诉阐明如何获取数据，第二部分阐明如何选择合适的单客群样本，第三部分阐明如何挑选多客群样本。
本篇文章是第二章的第一部分，主要介绍利用Python从数据库(MySQL)获取数据，并把数据进行保存。当然，有数据的小伙伴可以跳过本文。

---

一、环境准备

相关环境包括Python3、MySQL；
集成工具包括Pycharm、Navicat；
万能工具Excel。
以下是安装教程，
Python：Python安装教程
MySQL：MySQL安装教程
Pycharm：Pycharm安装教程
Navicat：Navicat安装教程

二、连接数据库并获取数据

1.数据获取三步骤

代码如下（示例）：

import pymysql
import pandas as pd
	# 1.本地默认账户为localhost,user和password在安装数据库时由自己设置，database为数据库的名称
    mydb = pymysql.connect(
        host='',
        user='',
        password='',
        database=''
    )
    # 2.sql_text为查询sql语句
    sql_text = """
    标准sql查询语句
    """
 	# 3.建立连接并读取数据
	df = pd.read_sql(sql_text, mydb) 

需要注意一点，企业一般会把数据分为特征表（x）和标签表（y)，两张表可以通过身份证，姓名，手机号进行拼接。
所以，根据该原则，sql_text有两个，相应的也会生成两个dataframe，最后用pd.merge进行拼接。

2.数据整理

一份数据中如果存在多个客群，我们需要区分并分开存储，具体是什么原因，后续章节会给出答案。细心的伙伴也可以自己思考，模型的作用是什么？不同客群放在一起建模可能会有哪些影响。

代码如下（示例）：

# df_y_x_date由特征表和标签表拼接而成；
# event_split_data_root + '/' +'{}.csv'.format(event) 是文件存储的路径，自定义即可
    events = df_y_x_date['event_name'].unique().tolist()
    for event in events:
        df_y_x_date[df_y_x_date['event_name'] == event].to_csv(event_split_data_root + '/' + '{}.csv'.format(event),
                                                            index=False)
    print("所有表拼接完成")

等待运行完成。

结果如上所示。

---

总结

本片文章分享的是如何从数据库获取数据，并自定义存储数据，但这距离开始建模还差一步。
下一篇文章会说明如何从各个客群中挑选合适的数据。