数据分析案例-银行拉新活动分析

项目背景：Thera Bank银行的主要盈利业务靠的是贷款，这些客户中的大多数是存款大小不等的责任客户（存款人）。同时也是借款人的客户（资产客户）数量很少，银行有兴趣迅速扩大这一基础，以开展更多的贷款业务，并在此过程中通过贷款利息赚取更多。特别是，管理层希望探索将负债客户转换为个人贷款客户（同时保留他们作为存款人）的方法。该银行去年针对负债客户开展的一项活动显示，成功实现了9％以上的成功转化。
我们这次数据来源在kaggle上，链接：https://www.kaggle.com/itsmesunil/bank-loan-modelling?

做完前戏之后，我们可以直接对数据进行理解

2、理解数据
数据集共包含5000条记录，14个字段，对应字段含义如下：

ID - 客户
Age - 客户年龄
Experience - 客户工作经验
Income - 客户年收入（单位：千美元）
ZIPCode - 家庭地址邮政编码
Family - 客户的家庭规模
CCAvg - 每月信用卡消费额（单位：千美元）
Education - 教育水平 （1: 本科; 2: 研究生; 3: 高级）
Mortgage - 房屋抵押价值（如有）（单位：千美元）
Personal Loan - 此客户是否接受上一次活动中提供的个人贷款？（1：是 0：否）
Securities Account - 是否有证券账户？（1：是 0：否）
CD Account - 是否有存款证明（CD）帐户吗（1：是 0：否）
Online - 是否开通网上银行？（1：是 0：否）
CreditCard - 是否有信用卡？（1：是 0：否）

对于数据，我们一般会看看数据的重复，缺失情况，顺便会对于一些数值型的字段则需要做一些数据类型的转化

#观察数据的一个描述性信息
Bank_Personal_Loan.describe()

明显看到异常情况，Expe