python iv值计算空值处理,iv值计算 Python

　　计算逻辑

　　先计算不幸值，再计算静脉的值。

　　其中Y或普通分别是是的，不，反应在因变量中，就是一和0。

　　彝语是第我组中一的个数，YT是所有（总计)为一的个数。

　　镍是第我组中0的个数，NT是所有（总计)为0的个数。

　　举例

　　数据如下，x分别取1-9，y对应是一和0。

　　x，y

　　1,1

　　2,1

　　3,0

　　4,1

　　5,1

　　6,0

　　7,0

　　8,0

　　9,1

　　如果对于x这9行数据分成三组：

　　第0组：x=1，2，3

　　第一组：x=4，5，6

　　第2组：x=7，8，9

　　则第0组的武器工程军官武器工程师执行官值计算过程如下。

　　Y0=2，因为分组内当x=1，2的时候y是1,共两个1,则是2.

　　YT=5，因为y这一列总共有5个1。

　　N0=1，因为分组内当x=3的时候y是0,共一个1,则是1.

　　NT=4，因为y这一列共有四个0.

　　悲哀_0

　　=ln((2/5)/(1/4))

　　=ln(0.4/0.25)

　　=ln(1.6)

　　=0.47

　　有了悲哀，开始计算四：

　　四_0

　　=(2/5-1/4)*WOE_0

　　=0.15*0.47

　　=0.0705

　　于是可计算出IV_0=0.0705。同理可计算出IV_1=0.070501，IV_2=0.274887。则该X的输入阀交互式视讯自变量(独立变量)即iv=iv_0 iv_2 iv_3=0.415888

　　计算机编程语言代码

　　进口熊猫作为螺纹中径

　　将数组作为铭牌导入

　　def iv_woe(数据：pd .DataFrame，target:str，bins:int=10) - (pd .数据框架，pd .数据帧):

　　计算不幸和静脉的值

　　参数：

　　-数据：数据帧数据

　　-目标：y列的名称

　　-垃圾箱：分箱数（默认是10)

　　newDF，woeDF=pd .DataFrame()，pd .数据帧()

　　列=数据。列

　　对于cols[~cols.isin([target])]中的ivars:

　　# 数据类型在互补实验中、且数据10则分箱

　　if( bifc 中的数据[ivars].数据类型.种类)和(len(np.unique(data[ivars]))10):

　　binned_x=pd.qcut(data[ivars]，bin，duplicates=drop )

　　d0=pd .DataFrame({x: binned_x， y: data[target]})

　　否则：

　　d0=pd .DataFrame({x: data[ivars]， y: data[target]})

　　d=d0.groupby(x ，as_index=False).agg({y: [count ， sum]})

　　d.columns=[Cutoff ， N ， Events]

　　d[ % of Events ]=NP。最大值(d[事件]，0.5)/d[事件].总和()

　　d[非事件]=d[N] - d[事件]

　　d[%非事件]=np.maximum(d[非事件]，0.5)/d[非事件]。总和()

　　d[WoE]=np.log(d[%事件]/d[%非事件])

　　d[IV]=d[WoE] * (d[%事件] - d[%非事件])

　　d.insert(loc=0，column=Variable ，value=ivars)

　　打印( ivars 的信息值是str(round(d[IV]).sum()，6)))

　　温度=pd .DataFrame({Variable : [ivars]， IV : [d[IV].sum()]}，columns=[Variable ， IV])

　　newDF=pd.concat([newDF，temp]，axis=0)

　　woeDF=pd.concat([woeDF，d]，axis=0)

　　返回newDF，woeDF

　　调用

　　mydata=pd.read_csv( ./data.csv ，编码=utf8 )

　　newDF，woeDF=iv_woe(mydata， y )

　　即可得到。注意，此处默认10组，上例中的x值是0-10,不足以分10组，则每个值为一组。注意其中的如果判断语句

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

相关文章阅读