使用Python建立市民个人收入评分卡（一）

0 目标

使用预测市民是否属于高收入群体数据集,制作市民个人收入评分机制（评分卡）。
评分越高说明该市民属于高收入群体的可能性越大。

1 数据概览

字段不多，连续型变量有5个，离散变量有8个，Y值是二分类，1代表属于高收入群体，0代表不是高收入群体。

# 连续型变量
col_values = ["年龄", "工作天数", "投资收入", "投资损失", "教育时间"]
# 离散型变量
col_labels = ["职业类型", "省份", "教育", "家庭角色", "婚姻状况", "民族", "工作情况", "性别"]

然后加载数据：

import pandas as pd
import numpy as np
import copy
from time import time
from sklearn.linear_model import LogisticRegression
import math

# 加载数据
df = pd.read_csv("Incoming_predict_train.csv")
col_item = dict()

2 检查缺失值

# 检查是否有缺失值
col_name_list = df.columns.values
nan_result = df.isnull().sum(axis=0)
result_dict = {
   k: v for k, v in zip(col_name_list, list(nan_result))}
items = []
for k, v in result_dict.items():
    item = dict()
    item["col"] = k
    item["count"] = v
    items.append(item)
    print(item)

缺失值情况：