python数据分析—借款行为数据加工

一.需求描述与分析

1.背景

已知客户的借款数据，加工借款行为相关衍生变量，模拟进行回溯，获得客户更为具体的借款行为数据从而进行更多维度的分析。

2.数据描述

借款数据如下

event_id	uuid	event_time	授信额度	借款申请状态	放款金额
1	1	2020-01-01 00:10:00	10000	通过	2000
2	1	2020-01-03 00:10:00	10000	通过	5000
3	1	2020-02-01 00:00:00	10000	拒绝
4	1	2020-04-01 20:20:00	10000	通过	8000
5	1	2020-08-01 20:20:00	10000	通过	6000
6	1	2020-09-05 00:10:00	10000	通过	5000
7	2	2021-05-01 10:00:12	5000	拒绝
8	2	2021-05-10 12:00:50	5000	拒绝
9	2	2021-06-05 15:00:51	5000	通过	2000
10	2	2021-06-10 17:00:51	5000	通过	3000
11	2	2021-07-05 12:00:51	5000	通过	4000
12	3	2021-07-01 00:00:00	20000	通过	10000
13	3	2021-07-04 00:00:00	20000	通过	2000
14	3	2021-07-10 00:00:00	20000	通过	5000
15	3	2022-10-01 00:00:00	20000	通过	15000
16	3	2022-11-01 00:00:00	20000	通过	5000
17	3	2022-11-05 00:00:00	20000	通过	2000
18	3	2022-12-01 00:00:00	20000	拒绝

3.加工变量

根据借款信息，加工变量为近7/14/30/60/90/180的申请订单数、被拒订单数、被拒率、累计放款订单数、累计放款金额、额度使用率。

二.代码编写

1. 导入包/定义路径

导入依赖包

import pandas as pd 
import numpy as np 
import os 

import warnings
warnings.filterwarnings("ignore")

# 打开line magic
%config ZMQInteractiveShell.ast_node_interactivity='all'
%pprint

定义文件夹路径

os.chdir("C:/data_analyse")

2. 数据读取/处理

读取借款数据

data_loan = pd.read_excel("loan.xlsx")
data_loan.info()

借款数据处理

data_analyse = data_loan
data_analyse["借款是否拒绝"] = 0
data_analyse.loc[data_analyse["借款申请状态"]=="拒绝","借款是否拒绝"] = 1
data_analyse['借款申请时间_dt'] = pd.to_datetime(data_analyse['event_time'])
data_analyse = data_analyse.sort_values(by='event_time')
data_analyse.set_index('借款申请时间_dt', inplace=True)

由于要用rolling函数进行统计，所以需要将借款申请时间设为索引

3.函数编写

def loan_apply(data_analyse,N):

    # 计算近N天的申请次数、成功通过次数和放款金额
    apply_orders_Ndays = data_analyse.groupby('uuid',as_index=False)['event_id'].transform(lambda x: x.rolling(f'{N}D').count()-1)
    data_analyse['近N天申请订单数'] = apply_orders_Ndays

    refuse_orders_Ndays = data_analyse.groupby('uuid',as_index=False)['借款是否拒绝'].transform(lambda x: x.rolling(f'{N}D').sum())
    data_analyse['近N天被拒订单数'] = refuse_orders_Ndays

    data_analyse.loc[data_analyse["借款申请状态"]=="拒绝",'近N天被拒订单数'] = data_analyse.loc[data_analyse["借款申请状态"]=="拒绝",'近N天被拒订单数'].apply(lambda x: x-1 if x>0 else 0)
    data_analyse['近N天被拒率'] = data_analyse['近N天被拒订单数']/data_analyse['近N天申请订单数']

    fk_orders_Ndays = data_analyse.groupby('uuid',as_index=False)['放款金额'].transform(lambda x: x.rolling(f'{N}D').count())
    data_analyse['近N天累计放款订单数'] = fk_orders_Ndays
    data_analyse.loc[data_analyse["放款金额"]>0,'近N天累计放款订单数'] = data_analyse.loc[data_analyse["放款金额"]>0,'近N天累计放款订单数'].apply(lambda x: x-1)

    fk_je_Ndays = data_analyse.groupby('uuid',as_index=False)['放款金额'].transform(lambda x: x.rolling(f'{N}D').sum())
    data_analyse['近N天累计放款金额'] = fk_je_Ndays
    data_analyse.loc[data_analyse["放款金额"]>0,'近N天累计放款金额'] = data_analyse.loc[data_analyse["放款金额"]>0,['近N天累计放款金额','放款金额']].apply(lambda x: x['近N天累计放款金额']-x['放款金额'],axis=1)

    # 填充NaN值为0
    data_analyse['近N天累计放款金额'] = data_analyse['近N天累计放款金额'].fillna(0)
    data_analyse['近N天额度使用率'] = data_analyse['近N天累计放款金额']/data_analyse['授信额度']
    
    return data_analyse

4.求衍生变量

for N in [7,14,30,60,90,180]:
    data_analyse = loan_apply(data_analyse,N)
    source_table_headers=[column for column in data_analyse]
    change_table_headers=[]
    for table_header in source_table_headers:
        change_table_headers.append(table_header.replace('近N天','近'+str(N)+'天'))
    data_analyse.columns=change_table_headers
    
data_analyse.info()

5.文件存储

data_analyse.to_excel("analyse.xlsx",index=False)