Python数据分析期末案例-基于pyecharts可视化全球洗钱案例分析

详细代码参考：原文链接：全球洗钱案例分析 – 笔墨云烟

特征介绍

Time：24小时制时间

Date：日期

Sender_account：发送方账户

Receiver_account：接收方账户

Amount：金额

Payment_currency：支付货币

Received_currency：收款货币

Sender_bank_location：汇款银行地点

Receiver_bank_location：收款银行地点

Payment_type：支付类型

Is_laundering：是否洗钱

Laundering_type：洗钱类型

项目介绍

数据来源：IEEE《加强反洗钱：开发综合交易监控数据集》Enhancing Anti-Money Laundering: Development of a Synthetic Transaction Monitoring Dataset | IEEE Conference Publication | IEEE Xplore 该数据集包含 12 个特征和 28 个类型（分为11个正常和17个可疑）。这些是根据现有数据集、学术文献和对反洗钱专家的采访选择的。同时，我通过随机抽样抽取其中10万数据量的数据集作用于本次实验 分析目的：洗钱仍然是一个重大的全球性问题，保护财产安全成为一个重要任务。通过本次实验进行数据分析，展示该数据集所表达的内容并且尝试挖掘出其潜在的价值

部分代码展示

导入库并读取数据

#导入所需要的库
import pandas as pd
import numpy as np
from pyecharts import options as opts  
from pyecharts.charts import Line,Bar,Scatter,Pie,Map
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score,classification_report
from sklearn.model_selection import GridSearchCV
from sklearn.preprocessing import StandardScaler

#读取数据
df = pd.read_csv('saml-d_副本_10w.csv')
df.head()

柱状图可视化 

# 计算支付货币种类前10数据量
Payment_currency_top10 = df_laundering.groupby('Payment_currency').size().sort_values(ascending=False).head(10)
bar1 = (
    Bar()
    .add_xaxis(Payment_currency_top10.index.tolist())
    .add_yaxis('交易量',Payment_currency_top10.values.tolist())
    .set_global_opts(
        title_opts=opts.TitleOpts(title='支付货币种类 TOP10'),
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45)),
        visualmap_opts=opts.VisualMapOpts(max_=8830)
    )
)
bar1.render_notebook()

可视化结果