婚姻狀況與違約率

分析完年齡，再看婚姻狀況。

大家都說，已婚的人比未婚的人違約成本高，家庭越和睦，違約成本越高，事實是這樣的嗎？拿數據來說話。

df4=df1.copy()nprint(df4[婚姻].value_counts(ascending=True))nprint (df4.shape)n

婚姻狀態有缺失值，還有空格，下一步就是整理數據。刪掉這些有缺失的數據，把空格刪掉。

df4=df1.copy()ndf4[婚姻]=df4[婚姻].map(str.strip)ndf4=df4[(df4[婚姻] !="--") ]nprint(df4[婚姻].value_counts(ascending=True))nprint (df4.shape)n

參考上節年齡特徵的計算方法，通過數據透視表得出不同婚姻狀態的平均借款成功比率：

未婚的客戶較難獲得貸款。

（當然，也可能是其他更底層因素，比如：收入低導致未婚，收入低導致貸款難）

奇怪的是離異客戶並不像傳統想像的那樣難獲得貸款。

在獲得貸款的客戶中，未婚客戶的違約比率最高，未婚客戶的違約率較高。

由於喪偶、離異的客戶樣本量較少，結論有偶然因素。但數據分析還是表明，已婚客戶違約率明顯低於未婚客戶。

（當然，也可能是其他更底層因素，比如：經濟狀況窘迫導致未婚，同時導致還款困難）

推薦閱讀：