python数据分析案例实战——融360客户贷款风险预测（信用卡）

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答点击即可加入

 

通过举办方提供的用户基本信息，消费行为，还款情况等，建立准确的逾期预测模型，以预测用户是否会逾期还款。

二、数据解读

相关专业名词可以去举办方融360官网上搜索https://www.rong360.com/ask/

1.数据概述：

用户的基本属性user_info.txt

银行流水记录bank_detail.txt

用户浏览行为browse_history.txt

信用卡账单记录bill_detail.txt

放款时间loan_time.txt

逾期行为的记录overdue.txt

（注意：并非每一位用户都有非常完整的记录，如有些用户并没有信用卡账单记录，有些用户却没有银行流水记录。同时需要注意的是数据做过脱敏处理：(a) 隐藏了用户的id信息；(b) 将用户属性信息全部数字化；(c) 将时间戳和所有金额的值都做了函数变换。）

2.数据详细描述：

（1）用户的基本属性user_info.txt。共6个字段，其中字段性别为0表示性别未知。 用户id,性别,职业,教育程度,婚姻状态,户口类型 6346,1,2,4,4,2

（2）银行流水记录bank_detail.txt。共5个字段，其中，第2个字段，时间戳为0表示时间未知；第3个字段，交易类型有两个值，1表示支出、0表示收入；第5个字段，工资收入标记为1时，表示工资收入。 用户id,时间戳,交易类型,交易金额,工资收入标记 6951,5894316387,0,13.756664,0

（3）用户浏览行为browse_history.txt。共4个字段。其中，第2个字段，时间戳为0表示时间未知。 用户id,时间戳,浏览行为数据,浏览子行为编号 34724,5926003545,172,1

（4）信用卡账单记录bill_detail.txt。共15个字段，其中，第2个字段，时间戳为0表示时间未知。为方便浏览，字段以表格的形式给出。 文件示例如下： 用户id,账单时间戳,银行id,上期账单金额,上期还款金额,信用卡额度,本期账单余额,本期账单最低还款额,消费笔数,本期账单金额,调整金额,循环利息,可用金额,预借现金额度,还款状态 3147,5906744363,6,18.626118,18.661937,20.664418,18.905766,17.847133,1,0.000000,0.000000,0.000000,0.000000,19.971271,0 上期账单金额: 上月需要向信用卡还款的金额 上期还款金额：上月用户已还款的金额 信用卡额度：信用额度（即信用卡最高可以透支使用的限额）+ 存入信用卡的金额。 本期账单余额：指截止到出账单日，本期账单还未还的金额。 本期账单最低还款额：最低还款额=信用额度内消费款的10%+预借现金交易款的100%+前期最低还款额未还部分的100%+超过信用额度消费款的100%+费用和利息的100% 消费笔数：用户在账单期内的消费记录总数 本期账单金额：本期需要向信用卡还款的金额 调整金额：有可能是原先多还的款项, 在下期还款时会去掉这部分的金额 循环利息：当您偿还的金额等于或高于当期帐单的最低还款额，但低于本期应还金额时，剩余的延后还款的金额银行会计算相应的利息。 可用余额：信用额度-未还清的已出账金额-已使用未入账的累积金额 预借现金额度：是指持卡人使用信用卡通过ATM等自助终端提取现金的最高额度 还款状态：0--未还款，1--已还款

（5）放款时间信息loan_time.txt。共2个字段，用户id和放款时间。 用户id,放款时间 1,5914855887 银行发放贷款的时间

（6）顾客是否发生逾期行为的记录overdue.txt。共2个字段。样本标签为1，表示逾期30天以上；样本标签为0，表示逾期10天以内。注意：逾期10天~30天之内的用户，并不在此问题考虑的范围内。用于测试的用户，只提供id列表，文件名为testUsers.csv。 用户id,样本标签 1,1 此处可理解为1是逾期、0是未逾期

三、数据预处理

导入数据，检查缺失，统计用户id量、

看下缺失值情况：

没有缺失，再看用户id情况：

有9294个用户有银行流水记录

同理导入其他表格信息：

看下，个表格的用户id数：

各个表格的id数不一样，说明并非每个用户都有银行卡流水，账单等信息；所以下一步就是整合6张表格，然后根据共有用户id匹配完整信息，没有完整信息的id去掉。

说明：我们要预测的测试集是没有放款的客户，因此训练集分析使用客户放款之前的信息，将有时间截的表与放款表交叉，只筛选放款前的客户id

通过上面各个表的信息情况，可以看到除了放款时间表外有时间字段的是银行流水记录表、账单记录表、浏览信息表。

time_x表示流水记录时间，time_y表示放款时间：

去重客户数：

9271个客户

同理其他表格也做此处理：

得出5735个用户的记录是完整的。然后通过这5735个id筛选每张表的记录，并进行字段预处理。

数据预处理：

（1）银行流水表：整理收入，支出，工资：

把收入支出工资分别与用户表交叉（只筛选5735个完整用户的信息）：

把收入支出工资整合到一个表里（注意此处是左链接how='left'）:

（2）浏览表：先剔除5735以外的数据，再统计每个用户的浏览记录（count）

统计浏览条数（count）：

（3）账单表：

去掉了时间、银行id、还款状态这几个变量，按用户id分组后对每个字段均值化处理

（4）逾期表，用户表：

直接匹配5735个最终用户即可

把前面整理好的表整合：

查看最后表信息：

一共有25个字段

四、特征工程

(1)基于业务理解筛选

主要看相关性

对特征做一下分类：

首先看一下用户的基本属性：

基于我自己的理解，跟逾期行为相关的因素有：性别，年龄，教育程度，婚姻情况，收入，用户是否有放贷，车贷等其他经济情况。案例数据里我们可以先筛选出：性别，教育程度，婚姻状况。

（职业，户口类型这两个特征虽然能反映用户的收入情况，但不确定性很大，所以不考虑筛选进来，我们可以从用户在银行的收入/支出记录来侧面反映用户的经济情况）

所以第一步筛选的特征为：

sex ，education，marriage，income_num，income_amount，expen_num，expen_amount，wages_num，wages_amount。

再看下这些特征的相关性：

银行流水：

可见收入、支出、工资三个指标的金额跟笔数是线性关系，那么后续将构建一个新的特征：笔均=金额/笔数，取工资笔均；而且收入、支出是强相关（0.82），所以只取一个即可，支出笔均。

账单：

从图中可以看出俩俩之间相关性程度比较高的特征有：

上期账单金额last_bill_amount,上期还款金额last_repay_amount

,本期账单金额cur_bill_amount, 额度credit_amount这四者之间,另外还有本期余额cur_bill_bal 与 本期最低还款cur_bill_minrepay。

说明：

本期应还金额 = 上期账单金额-上期还款金额 + 本期账单金额 - 本期调整金额 + 循环利息

这个公式的意思是：

上期还款金额