【详述】age变量-详细分箱过程

本文展示age变量(年龄)的详细分箱过程，以及代码实现示例。

一、age变量-分箱过程

age变量是"客户的年龄"，它是一个整数数值变量，本节展示age变量的详细分箱过程。

1.1. age变量-分箱过程

在正式分箱前，先对age变量粗略分箱，试探age变量的取值分布与badrate趋势，由于age的取值是不太大的整数，不妨先以每5岁作为一个间隔，进行等距分箱，统计结果如下：

通过以上结果，我们初步分箱为<45、(45,60]、(60,80]与>80，分箱后的结果如下：

进一步地，我们观察每个年龄分割阈值附近的badrate，以方便把区间划得到精致，具体结果如下：

经过观察后，可以发现45、60、80的确最适合作为分箱切割点，因此保持分箱不变，但为了保持分箱的badrate单调上升，所以最终将分组顺序倒排，最终结果如下：

1.2. age变量-自动分箱结果

下面我们使用卡方分箱与ks分箱，看看两种分箱的结果如何。

卡方自动分箱结果如下：

ks自动分箱结果如下：

对比手动分箱，卡方分箱和KS分箱的IV都为0.25，而手动分箱的IV为0.24，可以参考卡方分箱与KS分箱对手动分箱进行调整，也可以不进行调整，需要注意的是，在调整分箱时，需要考虑是在业务逻辑是否能解释通畅。

二、age变量-分箱代码

本节展示age变量分箱过程中每一步的详细代码。

2.1. age变量分箱-代码示例

上述分箱的每一步过程，所对应的具体代码实现如下：

import bbbrisk as br
from  bbbrisk import bins

# 加载数据                                                                         
data = br.datasets.load_bloan()                                                    # 加载数据
x = data['age']                                                                    # age变量
y = data['is_bad']                                                                 # 标签
br.display.pd.set(width=300,max_colwidth=30,max_rows=30)                           # 美化pandas的显示方式

# 以5为间隔,生成25个分箱							           
bin_set = [[i*5,(i+1)*5] for i in range(25)]
bin_stat = bins.Bins(bin_set).binStat(x,y)
print(bin_stat)

# 初步分箱结果
bin_set = [['-',45],[45,60],[60,80],[80,'+']]
bin_stat = bins.Bins(bin_set).binStat(x,y)
print(bin_stat)

# 探测45、60、80附近的分布明细
bin_set = [['-',40],41,42,43,44,45,46,47,48,49
           ,[49,55],56,57,58,59,60,61,62,63,64,65
           ,[65,75],76,77,78,79,80,81,82,83,84,85
           ,[85,'+']]
bin_stat = bins.Bins(bin_set).binStat(x,y)
print(bin_stat)

# 最终的分箱结果
bin_set = [[80,'+'],[60,80],[45,60],['-',45]]
bin_stat = bins.Bins(bin_set).binStat(x,y)
print(bin_stat)

# 卡方自动分箱
bin_set = bins.merge.chi2(x,y)
bin_stat =bins.Bins(bin_set).binStat(x,y)
print(bin_stat)

# KS自动分箱
bin_set = bins.merge.ks(x,y)
bin_stat = bins.Bins(bin_set).binStat(x,y)
print(bin_stat)

运行上述代码，每一步都会打印出如下的结果：

从结果中就可以看到每组的样本数、badrate和IV等等信息。

好了，以上就是age变量的详细分箱过程，以及代码实现了~

结束语

年龄变量的分箱是一个特殊、经典的分箱例子，它一般会影响到客户是否逾期，但它与客户逾期的关系又不是简单的单调关系，不是年龄越大就越容易逾期，所以一般要将数据分析与业务背景结合来对它分箱，在划分出合理的年龄段的同时，又能保证在业务上可以解释通畅。