python資料分析------pandas，numpy

先解決幾個問題：

1、python的虛擬環境建立

如果有虛擬環境，點選選擇"show all"，進入後選擇對應的虛擬環境即可，如果沒有虛擬環境，選擇Add，建立一個新的虛擬環境

選擇Virtualenv Environment 繼續選擇New environment

注意：

在Location選擇你建立虛擬環境的目錄

在Base interpreter 選擇你安裝的pythonJDK的目錄

點選ok即可

下面正式進入今天的正題：

1、先來檢視一下資料資訊

1 LC = pd.read_csv('D:\Date\Date_file\ppdai_3_23\LC.csv
 
')
2 LP = pd.read_csv('D:\Date\Date_file\ppdai_3_23\LP.csv')
3 
4 LP.info()
5 LC.info()

可以看到一些資料的資訊，例如：欄位名，型別，資料量等

2、使用者畫像分析

性別分析：

 1 #性別分析
 2 male = LC[LC['性別'] == '男']
 3 female = LC[LC['性別'] == '女']
 4 
 5 sex = (male,female)
 6 sex_data = (male['借款金額'].sum(),female['借款金額'].sum())
 7 sex_idx = ('
 
man','woman')
 8 # plt.figure(figsize=(15,6))
 9 plt.subplot(1,3,1)
10 plt.pie(sex_data,labels=sex_idx,autopct='%.1f%%')
11 plt.show()
12 
13 #新老客戶分析
14 new = LC[LC['是否首標'] == '是']
15 old = LC[LC['是否首標'] == '否']
16 newold_data = (new['借款金額'].sum(),old['借款金額'].sum())
17 new_idx = ('NewCustomers','OldCustomers
 
')
18 plt.subplot(1,3,2)
19 plt.pie(newold_data,labels=new_idx,autopct='%.1f%%')
20 plt.show()

3、借款金額分析

每日分析

 1 #分析每日貸款金額的走勢
 2 loan = LC[['借款成功日期', '借款金額']].copy()
 3 loan['借款日期'] = pd.to_datetime(loan['借款成功日期'])
 4 loan1 = loan.pivot_table(index='借款日期', aggfunc='sum').copy()
 5 plt.figure(figsize=(15, 6))
 6 plt.subplot(1,2,1)
 7 plt.plot(loan1)
 8 plt.xlabel('date')
 9 plt.ylabel('Loan amount')
10 plt.title('Daily amount fluctuation')

每月分析

 1 #分析每月貸款金額的走勢
 2 loan['借款成功月份'] = [datetime.strftime(x, '%Y-%m') for x in loan['借款日期']]
 3 loan2 = loan.pivot_table(index='借款成功月份', aggfunc='sum').copy()
 4 plt.subplot(1,2,2)
 5 plt.plot(loan2)
 6 plt.xlabel('date')
 7 plt.xticks(['2015-01','2015-07','2016-01','2016-07','2017-01'])
 8 plt.ylabel('Loan amount')
 9 plt.title('Monthly amount fluctuation')
10 plt.show()

以上是實操內容的一部分，其他部分後續更新

附詳細資料報告地址：

https://www.kesci.com/mw/project/5c96eab88408c1002b453be3/content