【数据准备】_变量分析和随机抽样_python &R

1.单变量分析

计算gini值，或者iv或者ks
见另一篇文章

2.多变量分析
计算皮尔逊相关系数
python

import matplotlib.pyplot as plt
import seaborn as sns

data3_corr=data3.corr()

data3_corr.to_csv('trade_5_csv.csv')

sns.heatmap(data3_corr)
plt.show()

3.随机抽样

DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)

n： 要抽取的行数,需为整数值
frac：抽取的比列,需为小数值，比方说我们想随机抽取30%的数据，则设置frac=0.3即可。
replace：抽样后的数据是否代替原DataFrame()，默认为False
weights：默认为等概率加权
random_state：随机种子，本质是一个控制器，设置此值为任意实数，则每次随机的结果是一样的
axis：抽取数据的行还是列，axis=0的时是抽取行，axis=1时是抽取列

4.随机划分训练集和测试集

train_test_split是交叉验证中常用的函数，功能是从样本中随机的按比例选取train data和test data。

语法：

X_train,X_test, y_train, y_test =
cross_validation.t