Udacity数据分析（进阶）-Prosper 贷款数据分析

Prosper 贷款数据分析

Prosper是美国的一家P2P（个人对个人）在线借贷平台网站，世界排名2万左右。网站撮合了一些有闲钱的人和一些急于用钱的人。用户若有贷款需求，可在网站上列出期望数额和可承受的最大利率。潜在贷方则为数额和利率展开竞价。这种交易对借贷双方是一种双赢。卖家可以获得比银行更高的利息收入，而对于买家来说，除了过程快捷便利和可以获得较低的还款利率外，更主要的是你不需要经过漫长的审查过程，不会遇到在银行申请贷款遭拒时的尴尬。本案例试图从EDA分析角度出发，分析Propser数据集中贷款人条件及贷款利率等问题。

library("ggplot2")
library("knitr")
library("dplyr")
library("gridExtra")
library("memisc")

# Load the Data
setwd('G:/备份/数据分析/进阶/R')

prosper <- read.csv("prosperLoanData.csv")

单变量绘图

dim(prosper)

[1] 113937 81

str(prosper)

我们的数据集由81个变量组成，具有约110000个观测值

主要数据字典

BorrowerRate：借款人的贷款利率，影响着借贷双方经济利益，为本次分析的重要指标
Occupation:借款人的职业
Term:贷款期限（月）
EmploymentStatus：借款人就业状态
BorrowerState：借款人所在地址，采用2个字母缩写
ListingCategory：贷款类型，共21种状态
IncomeRange：借款人的收入范围
CreditGrade/ProsperRating..Alpha.：借款人评级，区别是前者为09年7月之前，后者为09年7月之后
CreditScore: 借款人评分，由信用评分计算均值获得
LenderYield：贷款人收益
InvestmentFromFriendsCount:对贷款进行投资的合伙人数量。
InvestmentFromFriendsAmount：合伙人的投资金额。

贷款利率

ggplot(aes(BorrowerRate),data = prosper) + 
  geom_histogram() +
  theme(plot.title = element_text(hjust=0.5))+
  ggtitle('Count of Borrower Rate')

贷款利率主要分布在0%-0.4%之间，修正一下X轴。

ggplot(aes(BorrowerRate),data = prosper) + 
  geom_histogram(binwidth = 0.01) +
  scale_x_continuous(breaks=seq(0,0.4,0.1))+
  theme(plot.title = element_text(hjust=0.5))+
  ggtitle('Count of Borrower Rate')

整体贷款利率集中在0.15%-0.2%之间，数据接近正态分布。

借款人职业

ggplot(aes(Occupation),data = prosper) + 
  geom_bar() +
  theme(axis.text.x=element_text(angle = 90,hjust = 1,vjust=0,size=7),
        plot.title = element_text(hjust=0.5))+
  ggtitle('Count of Occupation')

从职业来看，大多数人都选择了other，紧接着就是Professional，但是具体是哪方面，并没有给出详细的信息。

贷款期限

#将Term数据类型改为factor
prosper$Term<-as.factor(prosper$Term)
summary(prosper$Term)

   12    36    60 
 1614 87778 24545

ggplot(aes(Term),data = prosper) + 
  geom_bar() +
  theme(plot.title = element_text(hjust=0.5))+
  ggtitle('Count of Term')

prosper的贷款期限一般为1年、3年和5年，将近9W的人选择以3年为期限。

借款人就业情况

ggplot(aes(EmploymentStatus),data = prosper) + 
  geom_bar() +
  theme(axis.text.x=element_text(angle = 90,hjust = 1,vjust=0,size=7),
        plot.title = element_text(hjust=0.5))+
  ggtitle('Count of EmploymentStatus') 

从有效的数据看，90%以上申请贷款的都属于在职员工，具有稳定的收入，可以偿还贷款。

借款人所在地区

ggplot(aes(BorrowerState),data = prosper) + 
  geom_bar() +
  theme(axis.text.x=element_text(angle = 90,hjust = 1,vjust=0,size=7),
        plot.title = element_text(hjust=0.5))+
  ggtitle('Count of Borrower State')

CA(加利福尼亚州)拥有最多的借款人，高出第二多的城市将近2倍，为什么在这里会有这么多的借款人？查阅资料发现加州受累于金融危机，经济崩溃，房地产市场崩溃，各种各样的繁荣和泡沫崩溃，可能是导致贷款人数居高不下的原因。
http://m.jrj.com.cn/toutiao/2015/12/29/20319918.shtml

贷款类型/用途

ggplot(aes(ListingCategory..numeric.),data = prosper) + 
  geom_bar() +
  scale_x_continuous(breaks=seq(0,21,1))+
  theme(plot.title = element_text(hjust=0.5))+
  ggtitle('Count of Category')

除去0（暂无分类），最多的是1（债务合并），所谓债务合并就是向银行贷一笔款用于还清其他的所有债务，债务合并后，借款人会得到一个新的利率。

借款人收入范围

summary(prosper$IncomeRange)

 $0      $1-24,999      $100,000+ $25,000-49,999 $50,000-74,999 $75,000-99,999  Not displayed   Not employed 
           621           7274          17337          32192          31050          16916           7741            806 

#将IncomeRange数据类型改为factor并且排序
prosper$IncomeRange <- factor(prosper$IncomeRange, levels=c("$0",
                                                            "$1-24,999",
                                                            "$25,000-49,999",
                                                            "$50,000-74,999",
                                                            "$75,000-99,999",
                                                            "$100,000+",
                                                            "Not displayed",
                                                "Not employed"), ordered=TRUE)

ggplot(aes(IncomeRange),data = prosper) + 
  geom_bar() +
  theme(axis.text.x=element_text(angle = 90,hjust = 1,vjust=0,size=7),
        plot.title = element_text(hjust=0.5))+
  ggtitle('Count of Income Range')

大部分借款人的收入在“$25,000-$75,000”之间,其次就是“$75,000”以上的人群。

借款人信用等级/评分

#将贷款时间变更为Date格式，变更贷款评级数据类型为factor并排序
prosper$LoanOriginationDate <- as.Date(prosper$LoanOriginationDate)

prosper$CreditGrade <- factor(
  prosper$CreditGrade, levels=c("HR","E","D","C","B","A","AA"), ordered=TRUE)
prosper$ProsperRating..Alpha. <- factor(
  prosper$ProsperRating..Alpha., 
  levels=c("HR","E","D","C","B","A","AA"), ordered=TRUE)

p1<-ggplot(aes(x=CreditGrade),
           data=subset(prosper,LoanOriginationDate < "2009-07-01"))+
  geom_bar()+
  theme(plot.title = element_text(hjust=0.5))+
  ggtitle('Grade before 2009-07')

p2<-ggplot(aes(x=ProsperRating..Alpha.),
           data=subset(prosper,LoanO