python使用pandas进行数据分析实例

问题

https://www.kaggle.com/wendykan/lending-club-loan-data
数据集包含2007-2015年间的借贷数据，包含当前借贷状态（Current, Late, Fully Paid,等）以及最新的付账信息。
额外的信息包括：信用评分、金融咨询次数、住址邮政编码、所在州等。
该数据集包括约890,000条记录，75列数据。

1. 查看不同借贷状态的数据量
2. 按月份统计借贷金额总量
3. 按地区（州）统计借贷金额总量
4. 借贷评级、期限和利率(默认实际利率)的关系分析

过程

首先导入模块

复制

import pandas as pd
from matplotlib import pyplot as plt

使用pandas的read_csv读取csv文件

复制

df = pd.read_csv('loan.csv', low_memory = False)

查看不同借贷状态的数据量

pandas 的value_counts()函数可以对Series里面的每个值进行计数并且排序。返回series。

复制

def get_loan_status(df):
    loan_status = df['loan_status'].value_counts()
    print(loan_status)
    return loan_status

按月份统计贷款总量

首先把日期列中的月份提取，再按月份对贷款量分组，最后求和，返回series。
to_datetime用于获取指定的日期时间

复制

def get_total_loan_by_month(df):
    df['issue_d'] = pd.to_datetime(df['issue_d']).dt.month
    month_group = df['loan_amnt'].groupby(df['issue_d'])
    total_loan_by_month = month_group.sum()
    print(total_loan_by_month)
    return total_loan_by_month

按地区（州）统计借贷金额总量

把数据按地区对贷款量分组，再求和，返回series。
groupby是非常高效的分组h函数。

复制

def get_total_loan_by_state(df):
    addr_state_group = df['loan_amnt'].groupby(df['addr_state'])
    total_loan_by_state = addr_state_group.sum()
    print(total_loan_by_state)
    return total_loan_by_state

借贷评级、期限和利率(默认实际利率)的关系分析

评级为x轴，利率为y轴，绘制散点图，期限为点的颜色。

复制

def analysis(df):
    term = df['term'].tolist()
    int_rate = df['int_rate'].tolist()
    grade = df['grade'].tolist()
    colors = []
    for item in term:
        colors.append(int(item[:2]))
    plt.scatter(grade, int_rate, c = colors, alpha = 0.5)
    plt.show()
    print(grade)
    print(term)
    print(int_rate)

绘制散点图效果如下：

项目地址

loan-data-analysis