【介绍】评分卡-bbbrisk-分箱格式

评分卡的重点其实在于对变量的分箱，分箱的好坏就决定了模型的效果，所以要构建评分卡就避免不了对变量分箱，在使用bbbrisk前，我们先来说说bbbrisk的分箱格式是怎么一回事，以及它的格式。在这里建议大家先大概的看看就好了，在之后的使用之中有疑问时再回头来详细看。

一、bbbrisk-分箱格式-分箱的用途

我们知道，评分卡的重点其实在于对变量的分箱，而在bbbrisk中，也是以它为重点，只要知道了变量的分箱逻辑，就可以用它来得到我们所想要的一切东西，例如打印变量的badrate分箱效果、构建评分卡、对数据转换等等：

而我们这张文章，主要目的就是先熟悉一下在bbbrisk中怎么设置分箱，后面再来使用bbbrisk就方便多了。

下面我们不妨先通过几个小场景来简单熟悉一下bbbrisk的分箱格式。

1.1. 看看单个变量的分箱效果

假设我们想看看单个变量按分箱逻辑进行分箱后的效果，例如，要将rev变量分为五个箱：

(0,0.1]，(-inf,0]或(0.1,0.37]，(0.37,0.64]，(0.64,1.2]或(2,inf]，(1.2,2]

那么我们可以用如下代码来打印出它的分箱效果：

import bbbrisk as br
from  bbbrisk import bins
data = br.datasets.load_bloan()                                                    # 加载数据
bin_set = [[0,0.1],(['-',0],[0.1,0.37]),[0.37,0.64],([0.64,1.2],[2,'+']),[1.2,2]]  # 设置变量的分箱
bin_stat = bins.Bins(bin_set).binStat(data['rev'],data['is_bad'])                  # 统计分箱结果
print(bin_stat)                                                                    # 显示分箱结果

其中，bin_set就是我们的分箱逻辑了，然后按它来统计rev变量分箱后is_bad的分布结果bin_stat，如下：

当然，这是我将结果整理到excel后的结果，直接打印出来虽然可以看到结果，但不够美观。

1.2. 查看所有变量的分箱效果

事实上，看单个变量往往只是分析变量时会使用到，如果我们已经确定了所有变量的分箱逻辑，纯粹的想看看它们的分箱效果(例如写报告时要整理出所有变量的分析结果)，那么就可以一次性查看所有变量的分箱效果，如下：

# 本代码展示如何用bbbrisk对变量进行手动分箱,并打印分箱统计信息
# 本代码来自《老饼讲解-评分卡》www.bbblearn.com 
import  bbbrisk  as br

# 加载数据                                                                     
data = br.datasets.load_bloan()                                       # 加载数据
x = data.iloc[:,:-1]                                                  # 变量数据
y = data['is_bad']                                                    # 标签数据

# 变量的分箱
bin_sets = {
    'rev'     :[[0,0.1],(['-',0],[0.1,0.37]),[0.37,0.64],([0.64,1.2],[2,'+']),[1.2,2],]
    ,'age'    :[[80,'+'],[60,80],[45,60],['-',45]]
    ,'city'   :[('J','E','I'),'_other',('D','N','S'),('F','P')]
    ,'income' :[[1000,5000],[5000,9000],(['-',1000],[20000,'+'],None),[9000,16000],[16000,20000]]
    ,'marital':[1,0,2]
    ,'debrate':[([0,0.1],[850,'+']),([0.1,0.5],[5,850]),([0.5,0.8],0),[0.8,5]]
    ,'due30'  :[0,1,2,(3,4),[4,'+']]
    ,'due60'  :[0,1,2,[2,'+']]
    ,'due90'  :[0,1,[1,'+']]
    ,'loan_num':[[3,'+'],(2,3),1,0]
    }
bin_stats  = br.bins.batch.bin_stats(x,y,bin_sets)                     # 统计各个变量的分箱情况
br.display.pd.set(width=300,max_colwidth=30,max_rows=30)               # 美化pandas的显示方式
for var in bin_stats:                                                  # 逐个变量打印分箱结果
    print('\n变量'+var+'的分箱结果:\n',bin_stats[var])                 # 打印当前变量的分箱统计结果

运行上面的代码，就能得到上面各个变量的结果了。

例如rev变量打印出来的统计信息结果如下：

下面我们简单来看看每行代码是怎么一回事：

6-8行是导入数据；

11-22行是设置各个变量的分箱规则；

23行是调用batch.bin_stats函数，按分箱设置bin_sets来对数据x,y进行分箱信息统计；

25-26行就是逐个打印变量的分箱统计信息了。

在这里大家不必着急学习代码，后面会慢慢接触的，知道可以这么干就可以了。

1.3. 将变量按分箱进行建模

在bbbrisk中建模是非常简单的，只需要设置好变量的分箱逻辑，然后调用scoreCard函数就可以一步到位建模了。

具体的代码示例如下：

import bbbrisk as br

data = br.datasets.load_bloan()                                                    # 加载数据
x = data.iloc[:,:-1]                                                               # 变量数据
y = data['is_bad']                                                                 # 标签数据

# 变量的分箱设置
bin_sets = {
    'rev'     :[[0,0.1],(['-',0],[0.1,0.37]),[0.37,0.64],([0.64,1.2],[2,'+']),[1.2,2],]
    ,'age'    :[[80,'+'],[60,80],[45,60],['-',45]]
    ,'city'   :[('J','E','I'),'_other',('D','N','S'),('F','P')]
    ,'income' :[[1000,5000],[5000,9000],(['-',1000],[20000,'+'],None),[9000,16000],[16000,20000]]
    ,'marital':[1,0,2]
    ,'debrate':[([0,0.1],[850,'+']),([0.1,0.5],[5,850]),([0.5,0.8],0),[0.8,5]]
    ,'due30'  :[0,1,2,(3,4),[4,'+']]
    ,'due60'  :[0,1,2,[2,'+']]
    ,'due90'  :[0,1,[1,'+']]
    ,'loan_num':[[3,'+'],(2,3),1,0]
    }
# 构建评分卡
model,card = br.model.scoreCard(x,y,bin_sets)                                      # 构建评分卡

如上面的代码所示，只需要设置好各个变量的分箱，然后scoreCard函数就可以帮我们构建整个评分卡了。

其中model,card = br.model.scoreCard(x,y,bin_sets)，代表的就是用x,y来构建评分卡，其中x按bin_set的分箱逻辑来进行分箱，之后就会返回评分卡的逻辑回归模型，以及最终的评分卡表了，具体效果后面的文章再详述。

二、bbbrisk-分箱格式-说明

通过上面的展示大家会发现，其实在评分卡中无非就是两部分："怎么确定分箱"和"怎么根据分箱得到各种结果"：

bbbrisk正是围绕这个思想所设计的，大家可以围绕"怎么得到"和"怎么使用"分箱逻辑来理解bbbrisk的功能。

好了，既然分箱逻辑在评分卡中这么重要，下面我们就来说说bbbrisk是如何定义分箱的格式的。

在上面的代码中，我们设置了分箱格式：

在bbbrisk中，约定每个变量的分箱都以list来表示，如下：

其中，list中第i个元素代表第i个分箱，因此我们只需要关注单个箱体的书写格式就可以了。

• 单箱体的表示格式

单个箱体的表示方法，简单来说，主要就三种情况：

1. 如果是范围分箱，就用[a,b]格式。

   它遵循左开右闭，即[a,b]实际代表的范围是(a,b]，如果要左闭，就把a取小一点。

2. 如果是枚举值就直接填上枚举值，例如：a。

3. 如果要合并，就用小括号()括起来，例如([a,b],[c,d],e)。

• 分箱例子解说

下面举几个例子就熟悉了：

[0 ,[0,2],[2,'+']]代表0作为一个分箱，(0,2]作为一个分箱，>2作为一个分箱。

[(0,[2,'+]),[0,2],'_other']代表0与>2作为一个分箱，(0,2]作为一个分箱，其它作为一个分箱。

详细说明可以参见《bbbrisk-分箱配置格式》，但不太建议直接看，只需跟随着课程积累就行了。

结束语

在这一节，我们大概熟悉了bbbrisk的分箱配置格式，同时也了解了一些bbbrisk的使用方式，以及它的设计核心，总的来说，其实就是设置好分箱格式，就可以得到变量的分箱效果、建模效果等等内容了。