计算思维与数据科学 K-Means聚类模型信用卡用户风险评估 python连接数据库来处理数据

实验目的
1、处理信用卡数据异常值
1）读取信用卡数据；
2）丢弃逾期、呆账、强制停卡、退票、拒往记录为1、瑕疵户为2的记录；
3）丢弃呆账、强制停卡、退票为1、拒往记录为2的记录；
4）丢弃频率为5、刷卡金额不等于1的数据；
2、构造信用卡客户风险评估关键特征
1）根据特征瑕疵户、逾期、呆账、强制停卡记录、退票、拒往记录，构建历史行为特征(使用PCA降维)；
2）根据特征借款余额、个人月收入、个人月开销、家庭月收入和月刷卡额，构建出经济风险情况特征；
3）根据特征职业、年龄、住家，构建出收入风险特征情况；
4）标准化历史行为特征、经济风险特征、个人收入风险特征；
3、构建K-Means聚类模型
1）根据构建的3个特征对客户进行分群，构建聚类模型，聚类数为5；
2）训练聚类模型，求出聚类中心，每类的用户数目；结合业务对客户群进行特征分析，对每个客户群体进行排名。
python连接数据库来处理数据

import pymysql
import pandas as pd
import numpy as np

conn = pymysql.connect(
    host='localhost',
    user='root',
    password='',
    db='tieba',
    charset='utf8',
       # autocommit=True,    # 如果插入数据，， 是否自动提交? 和conn.commit()功能一致。
)
print(1)
cur = conn.cursor()
#sql= "select 逾期 from sheet1 "
'''
2）丢弃逾期、呆账、强制停卡、退票、拒往记录为1、瑕疵户为2的记录；
3）丢弃呆账、强制停卡、退票为1、拒往记录为2的记录；
4）丢弃频率为5、刷卡金额不等于1的数据；

sql1="delete from sheet1 where 逾期 =1 and 呆账 =1 and 强制停卡记录 =1 and 退票 =1 and 拒往记录 =1 and 瑕疵户 =2 "
sql2="delete from sheet1 where 呆账 =1 and 强制停卡记录 =1 and 退票 =1 and 拒往记录 =2 "
sql3="delete from sheet1 where 频率 =5 and 月刷卡额 != 1 "
cur.execute(sql1)
cur.execu