python评分卡建模—pandas数据处理

昨天用sas写了一个gbdt的算法，通篇写下了几百行，实在啰嗦，于是改投python怀抱。

用python进行建模，本篇文章主要介绍pandas数据处理。

因为我的数据集是sas格式，直接pandas读取sas数据集：

读入的数据集如下：

submit_time1在sas数据集中是yymmdd的时间格式，而导入python数据集中会转为天数，sas的起始时间戳是1960-01-01 00:00:00，而python的时间戳是1970-01-01 00:00:00，相差10年，所以直接在pandas里转换的话会多出10年。我的做法是在网上查找1960-01-01和1970-01-01之间相差的天数，然后再减去这个天数，再转为%Y-%m-%d的时间格式。代码如下：

所得如下：

因为这个数据集是我的建模数据集，所以已经计算出分箱和woe了，现在我想把这部分变量删除，woe是以包含“W_”，分箱变量是以包含“G”，以下代码是删除批量删除包含“W_” 和“G” 的变量，代码如下：

接下来我想统计下每个月的账户数，代码如下：

数据集如下：

接下来来看各个变量的缺失度，代码如下：

所得结果如下：

接下来把缺失度超过阈值的列删除，代码如下：

今天就介绍到这里，因为分箱内容较多，就不在这里介绍了，下一章将开始介绍最优分箱。

谢谢大家。