风控小笔记-code笔记

#将字典降序排序在转换成DataFrame
aaa#字典
ff = zip(m.keys(),m.values())#转元组列表
ff = sorted(ff,key=lambda x:x[1],reverse=True)#对元组使用sorted函数
ff_d = pd.DataFrame(ff)
ff_d.columns=pd.Series([‘星座’,‘badrate’])#用series加列名
ff_
#对creat_dt做补全，用oil_actv_dt来填补，并且截取6个月的数据。
构造变量的时候不能直接对历史所有数据做累加。
否则随着时间推移，变量分布会有很大的变化。
f2 = df.sort_values([‘uid’,‘create_dt’],ascending = False)#sort_values#uid有重复值同时降序排序把空值倒上来看看啥样
def fill_nan(x,y):
if str(x) == ‘NaT’:#字符串比对str()
x = y
else:
x = x
return x
df2[‘create_dt’] = df2.apply(lambda x : fill_nan(x.create_dt,x.oil_actv_dt) ,axis=1)
#apply 函数， 默认axis=0#行比较， axis=1#列比较
df2[‘dfn’] = (df2.oil_actv_dt - df2.create_dt).apply(lambda x: x.days)
#df2.oil_actv_dt - df2.create_dt得到一列时间的dataframe,然后用apply套用函数将时间转为数值，然后在df2里新建个列接受用于后面的逻辑筛选。
df = df2[df2.dfn<180]#根据180标准，按逻辑筛选出对应的数据
df
#对org_lst变量求历史贷款天数的最大间隔，并且去重
bb = df[org_lst]
bb[‘dtn’] = df[‘dfn’]
bb = bb.sort_values([‘uid’,‘create_dt’],ascending=False)#降序排序把create_dt最大的放上面
bb = bb.drop_duplicates([‘uid’],keep=‘first’)保留第一个（first）/最后一个（last）/不保留（False）重复的项
#变量衍生小技巧—例如求借款次数
tp = pd.DataFrame(df.groupby(‘uid’).apply(lambda df:len(df[i])).reset_index())
tp.columns = [‘uid’,i + ‘_cnt’]
if gn.empty =True:
gn =tp
else:
gn =pd.merge(gn,tp,on=‘uid’,how=‘left’)#常用判非链接方法

df.groupby(‘uid’).apply(lambda x: len(df[‘oil_amount’])).reset_index()#先对df分组查询，然后按行执行按oil_amount出现长度求得次数，reset_index()避免把uid做index方面后面合并选列用、

#看分布
sns.distplot(df_train.Age, kde=True, bins=20, rug=True)#kde展示核密度，rug变量分布，bins箱子
#抽样出来看看，应该比head好
df_train[‘Age’].sample(10)