数据挖掘实战之金融风控第二课：探索性数据分析

1、读取文件：data = pd.read_csv()

data.shape查看文件的行和列

data_train.columns查看数据列名

data_train.info()查看每列的基本信息，数据类型

data_train.describe()查看类别的统计特征

 (data_train.isnull().sum()/len(data_train)).to_dict()查看数据的缺失值

查看训练集测试集中特征属性只有一值的特征
one_value_fea = [col for col in data_train.columns if data_train[col].nunique() <= 1]

 

• 类别型特征有时具有非数值关系，有时也具有数值关系。比如‘grade’中的等级A，B，C等，是否只是单纯的分类，还是A优于其他要结合业务判断。
• 数值型特征本是可以直接入模的，但往往风控人员要对其做分箱，转化为WOE编码进而做标准评分卡等操作。从模型效果上来看，特征分箱主要是为了降低变量的复杂性，减少变量噪音对模型的影响，提高自变量和因变量的相关度。从而使模型更加稳定

pfr = pandas_profiling.ProfileReport(data_train)
pfr.to_file("./example.html")保存分析结果