【无标题】

于 2021-12-30 20:24:41 发布
阅读量161 收藏
点赞数
分类专栏： 数据分析 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44322171/article/details/122244777
版权

产品表

#!/usr/bin/env python
# coding: utf-8

# In[75]:


import pandas as pd
import numpy as np

import warnings
warnings.filterwarnings('ignore')

pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None)
pd.set_option('max_colwidth', 100)


# ### A产品表1

# In[76]:


g_data = pd.read_csv('g.csv')
g_data.head()


# In[77]:


g_columns = ['prod_code', '计价类型', '周期类型', '模式', '风险等级', '是否滚存', '是否允许变更分红方式', '产品品种', '持有天数', '数据日期']


# In[78]:


g_data.columns = g_columns


# In[79]:


g_data.head()


# In[80]:


g_data.info()


# In[81]:


g_data['prod_code'].apply(lambda x:x[:5]).nunique()


# ### A产品表2

# In[82]:


k_data = pd.read_csv('k.csv')
k_data.head()


# In[83]:


k_columns = ['prod_code', '募集方式', '管理方式', '业务模式', '收益特点', '期限', '投资模式', '预期收益率', '最高收益率', '最低收益率', '展示等级', '数据日期']


# In[84]:


k_data.columns = k_columns


# In[85]:


k_data.head()


# In[86]:


k_data.info()


# In[87]:


k_data['prod_code'].apply(lambda x: x[:5]).nunique()


# In[88]:


a_prod = pd.merge(g_data, k_data, on=['prod_code', '数据日期'], how='outer')


# In[89]:


a_prod.head()


# In[90]:


a_prod['prod_class'] = 'A'


# In[91]:


a_prod.info()


# ### B产品表1

# In[92]:


h_data = pd.read_csv('h.csv')
h_data.head()


# In[93]:


h_columns = ['prod_code', '计价类型', '周期类型', '模式', '风险等级', '是否允许变更分红方式', '产品品种', '模式2', '数据日期']


# In[94]:


h_data.columns = h_columns


# In[95]:


h_data.head()


# In[96]:


h_data.info()


# In[97]:


h_data['prod_code'].apply(lambda x:x[:3]).unique()


# ### B产品表2

# In[98]:


l_data = pd.read_csv('l.csv')
l_data.head()


# In[99]:


l_columns = ['prod_code', '募集方式', '管理方式', '业务模式', '收益特点', '期限', '投资模式', '数据日期']


# In[100]:


l_data.columns = l_columns


# In[101]:


l_data.head()


# In[102]:


l_data.info()


# In[103]:


l_data['prod_code'].apply(lambda x:x[:3]).unique()


# In[104]:


b_prod = pd.merge(h_data, l_data, on=['prod_code', '数据日期'], how='outer')


# In[105]:


b_prod['prod_class'] = 'B'


# In[106]:


b_prod.info()


# In[107]:


b_prod.nunique()


# ### C产品表1

# In[108]:


i_data = pd.read_csv('i.csv')
i_data.head()


# In[109]:


i_columns = ['prod_code', '计价类型', '周期类型', '模式', '风险等级', '是否允许变更分红方式', '份额冻结比率', '产品品种', '持有天数', '数据日期']


# In[110]:


i_data.columns = i_columns


# In[111]:


i_data.head()


# In[112]:


i_data.info()


# In[113]:


i_data['prod_code'].apply(lambda x:x[:4]).unique()


# ### C产品表2

# In[114]:


m_data = pd.read_csv('m.csv')
m_data.head()


# In[115]:


m_columns = ['prod_code', '募集方式', '管理方式', '业务模式', '收益特点', '期限', '投资模式', '预期收益率', '展示等级', '数据日期']


# In[116]:


m_data.columns = m_columns


# In[117]:


m_data.head()


# In[118]:


m_data.info()


# In[119]:


m_data['prod_code'].apply(lambda x:x[:4]).unique()


# ### C 产品总表

# In[120]:


c_prod = pd.merge(i_data, m_data, on=['prod_code', '数据日期'], how='outer')


# In[121]:


c_prod['prod_class'] = 'C'


# In[122]:


c_prod.head()


# In[123]:


c_prod.info()


# ### D产品表

# In[124]:


j_data = pd.read_csv('j.csv')
j_data.head()


# In[125]:


j_columns = ['prod_code', '计价类型', '周期类型', '模式', '风险等级', '是否允许变更分红方式', '收益计息基数', '最低收益率', '最高收益率', 
             '产品面值', '发行价格', '预期收益率', '持有天数', '数据日期']


# In[126]:


j_data.columns = j_columns


# In[127]:


j_data.head()


# In[128]:


d_prod = j_data.copy()


# In[129]:


d_prod['prod_class'] = 'D'


# In[130]:


d_prod.info()


# In[131]:


d_prod.nunique()


# In[132]:


a_prod.columns


# In[133]:


b_prod.columns


# In[134]:


c_prod.columns


# In[135]:


d_prod.columns


# ### A产品流水表

# In[144]:


n_data = pd.read_csv('n.csv')
n_data.head()


# In[145]:


n_columns = ['流水号', '业务代码', '渠道标识', 'core_cust_id', 'prod_code', '净值', '申请金额', '资金状态', '交易状态', '总金额', '交易日期']


# In[146]:


n_data.columns = n_columns


# In[147]:


n_data.head()


# In[148]:


n_data['prod_class'] = 'A'


# In[224]:


n_data.info()


# In[225]:


n_data['交易日期'].min(), n_data['交易日期'].max()


# In[226]:


n_data.describe()


# ### B产品流水表

# In[149]:


o_data = pd.read_csv('o.csv')
o_data.head()


# In[150]:


o_columns = ['流水号', '业务代码', '渠道标识', 'core_cust_id', 'prod_code', '净值', '申请金额', '交易状态', '资金状态', '总金额', '超额管理费', '交易日期']


# In[151]:


o_data.columns = o_columns


# In[152]:


o_data['prod_class'] = 'B'


# In[153]:


o_data.head()


# In[221]:


o_data.info()


# In[227]:


o_data.nunique()


# In[222]:


o_data['交易日期'].min(), o_data['交易日期'].max()


# In[223]:


#净值里面有异常值
o_data.describe()


# ### C产品流水表

# In[154]:


q_data = pd.read_csv('q.csv')
q_data.head()


# In[155]:


q_columns = ['流水号', '业务代码', '渠道标识', 'core_cust_id', 'prod_code', '净值', '申请金额', '资金状态', '交易状态', '交易日期']


# In[156]:


q_data.columns = q_columns


# In[157]:


q_data['prod_class'] = 'C'


# In[158]:


q_data.head()


# In[219]:


q_data.info()


# In[220]:


q_data['交易日期'].min(), q_data['交易日期'].max()


# In[ ]:





# In[ ]:





# ### D产品流水表

# In[159]:


p_data = pd.read_csv('p.csv')
p_data.head()


# In[160]:


p_columns = ['流水号', '业务代码', '渠道标识', 'core_cust_id', 'prod_code', '净值', '申请金额', '折扣率', '交易状态', '资金状态', '费率', '交易日期']


# In[161]:


p_data.columns = p_columns


# In[162]:


p_data['prod_class'] = 'D'


# In[163]:


p_data.head()


# In[216]:


p_data.info()


# In[218]:


p_data['交易日期'].min(), p_data['交易日期'].max()


# In[ ]:





# In[ ]:





# ### A产品基本信息+流水表

# In[180]:


A_df = pd.merge(a_prod, n_data, on=['prod_code', 'prod_class'], how='outer')


# In[181]:


A_df.head()


# In[182]:


A_df.info()


# In[183]:


A_df.nunique()


# ### B产品基本信息+流水表

# In[184]:


B_df = pd.merge(b_prod, o_data, on=['prod_code', 'prod_class'], how='outer')


# In[185]:


B_df.head()


# In[186]:


B_df.info()


# In[187]:


B_df.nunique()


# In[ ]:





# In[ ]:





# ### C产品基本信息+流水表

# In[188]:


C_df = pd.merge(c_prod, q_data, on=['prod_code', 'prod_class'], how='outer')


# In[189]:


C_df.head()


# In[190]:


C_df.info()


# In[191]:


C_df.nunique()


# In[ ]:





# ### D产品基本信息+流水表

# In[192]:


D_df = pd.merge(d_prod, p_data, on=['prod_code', 'prod_class'], how='outer')


# In[193]:


D_df.head()


# In[194]:


D_df.info()


# In[195]:


D_df.nunique()


# In[198]:


prod_df = pd.concat([A_df, B_df, C_df, D_df], ignore_index=True)


# In[204]:


prod_df.head(20)


# In[200]:


prod_df.info()


# In[201]:


prod_df.nunique()


# In[ ]:


#产品品种、份额冻结比率，只有一个值，可以删除

#A/B/C/D客户的重合度
a_num = A_df['core_cust_id'].value_counts().index.tolist()


# In[232]:


b_num = B_df['core_cust_id'].value_counts().index.tolist()
c_num = C_df['core_cust_id'].value_counts().index.tolist()
d_num = D_df['core_cust_id'].value_counts().index.tolist()


# In[235]:


len(set(a_num) & set(b_num)), len(set(a_num) & set(c_num)), len(set(a_num) & set(d_num)), len(set(b_num) & set(c_num)), len(set(d_num) & set(b_num)), len(set(c_num) & set(d_num))


# In[237]:


len(set(a_num) & set(b_num) & set(c_num) & set(d_num)) 


# In[238]:


len(set(a_num) | set(b_num) | set(c_num) | set(d_num)) 


# ### 客户信息表

# In[241]:


d_data = pd.read_csv('d.csv')
d_data.head()


# In[242]:


d_columns = ['core_cust_id', '性别', '客户等级', '年龄']


# In[243]:


d_data.columns = d_columns


# In[244]:


d_data.head()


# In[245]:


d_data.info()


# In[246]:


d_data.nunique()


# ### 客户风险表

# In[247]:


e_data = pd.read_csv('e.csv')
e_data.head()


# In[248]:


e_columns = ['core_cust_id', '客户风险等级', '评估日期']


# In[249]:


e_data.columns = e_columns


# In[250]:


e_data.head()


# In[251]:


e_data.info()


# In[281]:


e_data.nunique()


# In[253]:


e_data['客户风险等级'].value_counts()


# ### F资产信息表

# In[267]:


#去除千分位的逗号：df = df.applymap(lambda x: x.replace(',', ''))；或者用下面方法
f_data = pd.read_csv('f.csv', thousands=',')
f_data.head()


# In[268]:


f_columns = ['core_cust_id', '客户编号创建日期', '定期季日均', '大额存单季日均', 'A理财产品季日均', '代销资管季日均', '代销基金季日均', '定期时点余额',
             '大额存单时点余额', 'A理财产品时点余额', '代销资管时点余额', '代销基金时点余额', '定期月日均', '大额存单月日均', 'A理财产品月日均', '代销资管月日均', 
             '代销基金月日均', '定期年日均', '大额存单年日均', 'A理财产品年日均', '代销资管年日均', '代销基金年日均', '数据日期']


# In[269]:


f_data.columns = f_columns


# In[270]:


f_data.head()


# In[271]:


f_data.info()


# In[272]:


f_data.nunique()


# In[279]:


#A产品的core_cust_id有多少
len(set(a_num))


# In[280]:


f_data[~f_data['A理财产品年日均'].isnull()].nunique()


# In[282]:


#corr_f = f_data.corr().abs()
#high_f = np.where(corr_f > 0.999)
#high_f;


# In[284]:


#f_data.corr();


# In[286]:


r_data = pd.read_csv('r.csv')
r_data.head()


# In[287]:


r_columns = ['id编码', 'core_cust_id', '点击事件类型', 'prod_code', '点击时间']


# In[288]:


r_data.columns = r_columns


# In[289]:


r_data.head()


# In[290]:


r_data.info()


# In[291]:


r_data.nunique()


# In[293]:


len(a_num), len(b_num), len(c_num), len(d_num)
大佬喝可乐
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python_ad_pca
borayolo的博客
05-01 852
#! /usr/bin/env python #coding=utf-8 import pandas as pd import numpy as np #定义一个函数：1.前几个特征是数值，pandas把他们看成是字符串2.处理缺失值 def convert_number(x): try: return float(x) except ValueError:
Qt无标题窗口
05-21
在本文中，我们将深入探讨如何使用Qt框架创建一个无标题窗口，这在界面设计和自定义标题栏美化中非常有用。我们将关注`framelesswidget.cpp`、`main.cpp`、`framelesswidget.h`等核心文件，理解它们在实现无标题窗口...
#! usr/bin/env python 和 # -*- coding:utf-8 -*-
真心乖宝宝的博客
04-06 2107
python代码的前两行一般是： #! usr/bin/env python # -*- coding:utf-8 -*- (1) #! usr/bin/env python的含义是： 首先到环境查找python的安装路径，再调用对应路径下的python解释器执行该代码 (2)# -- coding:utf-8 --的含义是： 指出该代码使用utf-8编码 ...
如何添加#!/usr/bin/env python # -*- coding:utf-8 -*-，使每一次新加的py文件都会自动生成
青桔柠檬水官方认定博客
01-07 772
如何添加#!/usr/bin/env python # -- coding:utf-8 --，使每一次新加的py文件都会自动生成步骤： 打开你的pycharm->File->Settings->Editor->File and Code Templates->Python Script->粘贴#!/usr/bin/env python # -- coding:utf-8 -- ->勾选Reformat according to style->取消勾选En
Python3.5——Pandas模块使用（中）——DataFrame
loveliuzz的博客
11-10 2248
1、DataFrame的创建 （1）通过二维数组方式创建 #!/usr/bin/env python # -*- coding:utf-8 -*- # Author:ZhengzhengLiu import numpy as np import pandas as pd from pandas import Series,DataFrame #1.DataFrame通过二维数组
python数据导入导出实验小结_pandas小结（三）pandas数据的导入导出
weixin_39800062的博客
11-28 245
pandas的数据导入导出功能，非常简单。pandas支持的导入数据格式有csv，excel，sql，json，html，pickle等。具体可以参看：https://pandas.pydata.org/pandas-docs/version/0.20/io.html 页面。示例文件如下：Student ID;name;age;gender1000;Jack;21;Male1001;Lucy;22...
VC去掉'无标题'字样的方法.zip
11-21
在使用Visual C++进行编程时，我们经常会在创建新的窗口或者对话框时默认看到标题栏显示为“无标题”。这可能会对用户界面的美观性和专业性造成一定的影响。本资料包提供了一种方法来帮助开发者去掉这个“无标题”...
visual c++取掉对话框窗口的 -无标题 字样的方法
08-04
在Visual C++编程环境中，创建窗口应用程序时，默认情况下，窗口标题栏可能会显示“-无标题”字样，这通常是由于没有正确设置窗口类或没有自定义窗口标题所导致的。要解决这个问题，我们需要深入理解Windows API中的...
c#实现无标题栏窗口的拖动
09-05
本篇文章将详细讲解如何在C#中实现这种无标题栏窗口的拖动以及其他基本操作。 首先，为了实现无标题栏窗口的拖动，我们需要处理窗体的鼠标事件。窗体的`FormBorderStyle`属性应设置为`None`，这会去除窗体的边框和...
delphi 无标题调整大小
11-26
在Delphi编程环境中，"无标题调整大小"通常是指创建没有标准标题栏的窗口，并允许用户通过拖动边界来调整其大小。这种设计通常用于自定义界面或创建无边框的对话框。以下是对这个主题的详细解释： 一、创建无标题...
Android 全屏无标题栏的三种实现方法
09-02
在Android应用开发中，有时我们需要实现全屏无标题栏的效果，以提供更加沉浸式的用户体验。以下将详细介绍三种在Android中实现全屏无标题栏的方法。 ### 方法一：通过Java代码 在Activity的`onCreate()`方法中，在...
无标题1123231212321
07-17
无标题1123231212321
无标题2321321321
最新发布
08-05
321321
python利用pandas导入读取csv和txt文件的预处理操作---亲测实用
dongbao520的博客
04-17 611
导入csv文件。文件内容如图 通过pandas读取，进行初步的处理 #!/usr/bin/env python # -*- coding:utf-8 -*- # Author's_name_is_NIKOLA_SS import pandas as pd #导入包 #1读取csv，使用默认的标题行、逗号分割 # fpath = '要打开文件的路径' fpath = 'D:\Zsss\\xcccvppo.csv' ratings = pd.read_csv(fpath) #使用pd.read_cs
python pandas实例_Python3.5 Pandas模块之DataFrame用法实例分析
weixin_39616003的博客
12-03 288
本文实例讲述了Python3.5 Pandas模块之DataFrame用法。分享给大家供大家参考，具体如下：1、DataFrame的创建(1)通过二维数组方式创建#!/usr/bin/env python# -*- coding:utf-8 -*-# Author:ZhengzhengLiuimport numpy as npimport pandas as pdfrom pandas impor...
python头文件#!/usr/bin/env python和# -*- coding: utf-8 -*-作用
weixin_43136158的博客
05-13 1682
python头文件#!/usr/bin/env python和# -- coding: utf-8 --作用 #!/usr/bin/env python 这种用法是为了防止操作系统用户没有将python装在默认的/usr/bin路径里。目的是在运行python脚本的时候告诉操作系统我们要用python解释器去运行py脚本。 # -*- coding: utf-8 -*- 这一句是告诉Python解释器:此源程序是utf-8编码的，也即告诉python解释器要按照utf-8编码的方式来读取程序。 ...
python文件头部#/usr/bin/env python和#coding:utf-8的作用
IT菜鸟
06-15 7525
python文件头部#/usr/bin/env python和#coding:utf-8的作用
设置无标题 android
05-02
在Android应用中，设置无标题是一种简洁和美观的设计方式，可以为用户提供更流畅的使用体验。以下是一些实现设置无标题的方法： 1. 在Android的Manifest文件中，找到对应Activity的标签，并添加”android:theme="@...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值