【详述】debrate-详细分箱过程

本文展示debrate变量(负债占比)的详细分箱过程，以及代码实现示例。

一、debrate变量-分箱过程

debrate变量是"客户的负债占比"，它是一个连续数值变量，下面详细讲解debrate变量的分箱过程。

1.1. debrate变量-分箱过程

在正式分箱前，先对debrate变量粗略分箱，试探debrate变量的取值分布与badrate趋势。

由于debrate是一个占比，因此我们按经验，采用如下分箱：0为一箱，(0,1]分10个箱，(1,10]、(10,100]各分为9个箱，100以上为一箱，统计结果如下：

我们将badrate较连续相似的划分为一箱，即以0、0.1、0.5、0.8、5作为切割点，分箱结果如下：

可以看到，当负债率>0时，badrate基本单调增长，即负债越高逾期可能性越大。

比较特殊的是debrate=0与dabrate>5的情况，分析如下：

当debrate为0时，可能客户没有贷过款，缺少信贷意识，所以比较差一些，
而当debrate>5时，即debrate较大，说明该客户拥有一定的负债能力，所以略好一些。

最后，我们将两种特殊情况调整到badrate相近的一组，使badrate单调，分箱结果如下：

1.2. debrate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debrate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：

可以看到，卡方分箱和手动分箱效果类似，而KS分箱则略差，但始终手动分箱的区分度更明显和合理。

1.3. 参考自动分箱-对手动分箱进行调整

在KS分箱中可以看到，debrate>870时坏客户占比极低，因此，对手动分箱的"初步分箱"(本文第2个表)进行调整，把>850独立划为一个分箱，（这里不取870，而取850是为了更好看一些），调整后的"初步分箱"结果如下：

进一步地，把第0组合并到第3组，把第5组合并第2组，把第6组并到第1组，调整后的最终分箱结果如下：

可以看到，调整前的分箱IV为0.076，调整后为0.082，略为提升了一点。

二、debrate变量-分箱代码

本节展示debrate变量分箱过程中每一步的详细代码。

2.1. debrate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['debrate']                                                                # 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

# 0为一箱，(0,1]分10个箱，(1,10]、(10,100]各分为9个箱，100以上为一箱
bin_set = bins.merge.eDist(x,[['-',0,1],[0,1,10],[1,10,9],[10,100,9],[100,'+',1]])
bin_stat = bins.Bins(bin_set).binStat(x,y)
print(bin_stat)

# 以0，0.1，0.5，0.8，5作为切割点
bin_set =[0,[0,0.1],[0.1,0.5],[0.5,0.8],[0.8,5],[5,'+']]
bin_stat = bins.Bins(bin_set).binStat(x,y)
print(bin_stat)

# 最终分箱结果
bin_set =[([0,0.1],[5,'+']),[0.1,0.5],([0.5,0.8],0),[0.8,5]]
bin_stat = bins.Bins(bin_set).binStat(x,y)
print(bin_stat)

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

# 调整后的初步分箱结果
bin_set =[0,[0,0.1],[0.1,0.5],[0.5,0.8],[0.8,5],[5,850],[850,'+']]
bin_stat = bins.Bins(bin_set).binStat(x,y)
print(bin_stat)

# 调整后的最终分箱结果
bin_set =[([0,0.1],[850,'+']),([0.1,0.5],[5,850]),([0.5,0.8],0),[0.8,5]]
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debrate变量的详细分箱过程，以及代码实现了~

结束语

这里我们分析的是“占比”变量，可以看到，虽然理论上“占比”是在[0,1]之间，但在实际中，却会出现>1的情况，所以分析的时候要结合实际背景进行分析。对于占比变量，需要注意0、(0,0.1]，(0.1,1)，1，>1的各自意义，因为0代表的可能是"缺失"，或者"从不"，而(0,0.1]是有一点，(0.1,1)是较正常的占比，而>1则是特殊情况。