P2P信贷平台业务数据分析 -- python数据分析

python数据分析------pandas，numpy

先解决几个问题：

1、python的虚拟环境创建

 

如果有虚拟环境，点击选择"show all"，进入后选择对应的虚拟环境即可，如果没有虚拟环境，选择Add，创建一个新的虚拟环境

 

 

 选择Virtualenv Environment 继续选择New environment

注意：

在Location选择你建立虚拟环境的目录

在Base interpreter 选择你安装的pythonJDK的目录

点击ok即可

 

 

 

下面正式进入今天的正题：

1、先来查看一下数据信息

 

1 LC = pd.read_csv('D:\Date\Date_file\ppdai_3_23\LC.csv')
2 LP = pd.read_csv('D:\Date\Date_file\ppdai_3_23\LP.csv')
3 
4 LP.info()
5 LC.info()

 

 

 

 可以看到一些数据的信息，例如：字段名，类型，数据量等

2、用户画像分析

性别分析：

 1 #性别分析
 2 male = LC[LC['性别'] == '男']
 3 female = LC[LC['性别'] == '女']
 4 
 5 sex = (male,female)
 6 sex_data = (male['借款金额'].sum(),female['借款金额'].sum())
 7 sex_idx = ('man','woman')
 8 # plt.figure(figsize=(15,6))
 9 plt.subplot(1,3,1)
10 plt.pie(sex_data,labels=sex_idx,autopct='%.1f%%')
11 plt.show()
12 
13 #新老客户分析
14 new = LC[LC['是否首标'] == '是']
15 old = LC[LC['是否首标'] == '否']
16 newold_data = (new['借款金额'].sum(),old['借款金额'].sum())
17 new_idx = ('NewCustomers','OldCustomers')
18 plt.subplot(1,3,2)
19 plt.pie(newold_data,labels=new_idx,autopct='%.1f%%')
20 plt.show()

 

 

 

 

 

 

 

 

 3、借款金额分析

每日分析

 1 #分析每日贷款金额的走势
 2 loan = LC[['借款成功日期', '借款金额']].copy()
 3 loan['借款日期'] = pd.to_datetime(loan['借款成功日期'])
 4 loan1 = loan.pivot_table(index='借款日期', aggfunc='sum').copy()
 5 plt.figure(figsize=(15, 6))
 6 plt.subplot(1,2,1)
 7 plt.plot(loan1)
 8 plt.xlabel('date')
 9 plt.ylabel('Loan amount')
10 plt.title('Daily amount fluctuation')

 

 

 每月分析

 1 #分析每月贷款金额的走势
 2 loan['借款成功月份'] = [datetime.strftime(x, '%Y-%m') for x in loan['借款日期']]
 3 loan2 = loan.pivot_table(index='借款成功月份', aggfunc='sum').copy()
 4 plt.subplot(1,2,2)
 5 plt.plot(loan2)
 6 plt.xlabel('date')
 7 plt.xticks(['2015-01','2015-07','2016-01','2016-07','2017-01'])
 8 plt.ylabel('Loan amount')
 9 plt.title('Monthly amount fluctuation')
10 plt.show()

 

 

 

以上是实操内容的一部分，其他部分后续更新

 

 附详细数据报告地址：

https://www.kesci.com/mw/project/5c96eab88408c1002b453be3/content

 

posted @ 2020-12-10 17:03  Jack船长1  阅读(527)  评论(0)    收藏  举报