1.确定观察时间窗口
使用用户逾期详情表data/CreditSampleWindow.csv:
- CID:用户ID
- STAGE_BEF:本阶段前的逾期阶段
- STAGE_AFT:本阶段进入的逾期阶段
- 其中逾期阶段含义为: M0:逾期0-3天; M1:逾期3-30天; M2:逾期30-60天; M3:逾期60-90天;以此类推
- START_DATE:进入本阶段时间
- CLOSE_DATE:本阶段结束时间
本数据取的是订单审批日从2015年1月1日到2017年10月31日的所有订单号,即这些订单对应的逾期详情,最后的截止日期为2018年5月31日
1.1导包
1.2读取数据及描述统计
根据描述结果可以看出最后一列即本阶段结束时间最小值为0,且包含缺失值,故需要先处理缺失值再处理异常值0
1.3数据清洗
1.3.1去重
drop_duplicates是数据框去重的函数,可以根据指定的若干列(subset=)去重
1.3.2缺失值的处理
后4列缺失值比例相同约为0.08，若缺失值在同一行，则考虑删除。所以验证各列缺失值是否都同在一行
在同一行，删除
1.3.3异常值的处理
项目-信用评分卡案例总结
原文：https://www.cnblogs.com/lvzw/p/11613218.html
