不同年齡客戶的通過率和逾期率計算

違約分析，主流方法是通過邏輯回歸來做模型，調整關鍵的特徵，提升違約率預測的準確率。筆者這裡的數據，有價值的特徵太少，樣本不均衡問題突出，下面主要做做描述統計、探索性分析，尋找一些有意思的現象。

用pandas讀入數據，我們看到年齡特徵中有一些異常值和缺失值：

import pandas as pdndf = pd.read_csv("data.csv",encoding="gbk")nprint (df.shape)nprint(df[年齡].value_counts(ascending=True))n

奇怪的是，年齡也能夠錄入負數，還成功申請貸款，並結清了：

刪去年齡太大或太小的樣本，保留【18歲-60歲】：

df.rename(columns=lambda x:x.replace(年齡,Age), inplace=True)ndf.rename(columns=lambda x:x.replace(借款狀態,Status), inplace=True)ndf1=df[(df[Age]<=60) & (df[Age]>=18) ]n

下面有兩個分析思路：一是比較不同年齡的審批通過率，二是通過貸款中不同年齡的逾期率。

import numpy as npnimport matplotlib.pyplot as pltndf2=df1.copy()ndf2[Status]=df2[Status].replace("FAILED",0).replace("REPAYING",1).replace("CLOSED",1).replace("BADDEBT",1).replace("OVERDUE",1)nprint(df2[Status].value_counts())ntable2=pd.pivot_table(df2,index=["Age"],values=["Status"],aggfunc=[np.mean])ntable2.plot(kind=line,title=uStatus)nplt.show()n

用數據透視表，計算出每個年齡的審批通過率：

18歲的客戶，申請了105筆，通過了98筆，通過率93.3333%（98/105）。

結論：25歲左右客戶通過率最低。

再看，審批通過的客戶，逾期率與年齡的關係：

df3=df1.copy()ndf3=df3[(df3[Status] != "FAILED")]ndf3[Status]=df3[Status].replace("REPAYING",0).replace("CLOSED",0).replace("BADDEBT",1).replace("OVERDUE",1)ntable3=pd.pivot_table(df3,index=["Age"],values=["Status"],aggfunc=[len,np.sum,np.mean])nprint (table3.shape)nprint(table3)n

30歲的客戶，放款量25488筆，逾期量290筆，逾期率1.1378%（290/25488）

通過圖片能看的更清楚一些：

的確，30歲左右的客戶，逾期率最高。

25歲以下和48歲以上的樣本量太少，有一些偶然因素。