【详述】city变量-详细分箱过程

本文展示city变量(城市)的详细分箱过程，以及代码实现示例。

一、city变量-分箱过程

city变量是"客户的城市"，它是一个枚举变量，本节展示city变量的详细分箱过程。

1.1. city变量-分箱过程

在正式分箱前，先对city变量粗略分箱，试探city变量的取值分布与badrate趋势，由于city是一个不太多的枚举变量，因此我们直接枚举出它所有的取值可能，统计结果如下：

这样是不太好观察的，不妨将它按badrate进行排序，以方便分析，按badrate排序后的结果如下:

根据上述分析，我们将badrate相近的城市作为一组，即(J,E,I)、其它、(D,N,S)和(F,P)，共分为4个箱，具体分箱结果如下：

注意，在实际中需要检查那些偏坏的城市，是否符合实际，例如某个城市在数据表现上较坏，但实际不应该那么坏，就要追溯原因。

1.2. city变量-自动分箱结果

下面我们使用卡方分箱与ks分箱，看看两种算法对city变量的分箱结果。

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分箱和手动分箱的结果差不多，都是0.22、0.23左右。

二、city变量-分箱代码

本节展示city变量分箱过程中每一步的详细代码

2.1. city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['city']                                                                   # city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

# 列举所有城市的分箱情况
bin_set = bins.merge.allEnum(x)
bin_stat = bins.Bins(bin_set).binStat(x,y)
print(bin_stat)
print(bin_stat.sort_values(by='bad_rate'))

# 城市的分箱结果
bin_set = [('J','E','I'),'_other',('D','N','S'),('F','P')]
bin_stat = bins.Bins(bin_set).binStat(x,y)
print(bin_stat)

# 自动分箱-卡方分箱
bin_set = bins.merge.chi2Enum(x,y)
bin_stat = bins.Bins(bin_set).binStat(x,y)
print(bin_stat)

# 自动分箱-KS分箱
bin_set = bins.merge.ksEnum(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city变量的详细分箱过程，以及代码实现了~

结束语

城市在评分卡中是一个经典的枚举变量，各个城市之间几乎没有太大直接的关系，它纯粹是按贷后表现差异来对城市进行分组，但是分组后也仍然需要从业务背景去审查一下，城市表现差是不是"差得有原因的"，例如这个城市特别多人喜欢从诈骗等等。