山东大学暑期项目实训-基于信用评分卡算法模型的个人信用评级系统的设计与实现-第二周-6（7月9日

#划分测试集训练集
查看MonthlyIncome_rf的分布情况，没有作标准化与归一化，选择一定范围内的值进行查看
用df.copy(deep=True)创建一个不同内存空间的副本

#查看相关字段直方图

df2=df.copy(deep=True)

df2 = df2[df2['MonthlyIncome_rf'] < 60000]

df2.hist('MonthlyIncome_rf',figsize=(12,12),bins=80)

plt.title("MonthlyIncome distribution",fontsize = 20)

plt.show() #得知月收入分布情况

划分测试集与训练集
测试集占比为20％，训练集占比为80％

#划分测试集训练集
Y = df['SeriousDlqin2yrs']
X = df.iloc[:, 2:]
# 测试集占比20%
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=0)
train = pd.concat([Y_train, X_train], axis=1)
test = pd.concat([Y_test, X_test], axis=1)
train.to_csv('TrainData.csv', index=False)
test.to_csv('TestData.csv', index=False)

bad与good用来表示坏客户与好客户

bad = Y.sum()
good = Y.count() - bad

 坏客户为‘SeriousDlqin2yrs’字段中为1的行，所以总数用Y.sum()进行计算