P2P信贷平台业务数据分析
P2P信貸平臺業務數據分析 @lbhfox
數據集地址：https://pan.baidu.com/s/1OfENKFNvWu7TCtQLHc_VXQ
提取碼：zpsi
1.LC數據集初步分析
首先我們來分析一下LC.csv數據集，LC (Loan Characteristics) 表為標的特征表，每支標一條記錄。共有21個字段，包括一個主鍵（listingid）、7個標的特征和13個成交當時的借款人信息，全部為成交當時可以獲得的信息。信息的維度比較廣，大致可以分為基本信息，認證信息，信用信息，借款信息。
基本信息：年齡、性別；
認證信息：手機認證、戶口認證、視頻認證、征信認證、淘寶認證；
信用信息：初始評級、歷史正常還款期數、歷史逾期還款期數；
借款信息：歷史成功借款金額、歷史成功借款次數、借款金額、借款期限、借款成功日期
對于LC數據集我們提出以下四個問題：
1.用戶畫像，包含使用平臺貸款業務的用戶的性別比例，學歷水平，是否為舊有用戶，年齡分布等信息。
2.資金儲備，每日借款金額大概多少？波動有多大？從而公司每日需準備多少資金可以保證不會出現資金短缺？
3.用戶逾期率，借款人的初始評級、借款類型、性別、年齡等特征對于逾期還款的概率有無顯著影響？哪些群體逾期還款率明顯較高？
4.借款利率，哪些群體更愿意接受較高的借款利率？
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
LC = pd.read_csv(’/home/kesci/input/ppdai2017/LC.csv’)
LP = pd.read_csv(’/home/kesci/input/ppdai2017/LP.csv’)
對數據進行清洗
依次檢查重復值、缺失值的處理，一致化以及異常值，數據集很干凈。
#LC.info()
#LC.describe()
#觀察一下年齡分布，最小17歲，最大56歲，平均年齡29歲，33歲以下的占比超過了75%。說明用戶整體還是中青年。
#將年齡分為’15-20’, ‘20-25’, ‘25-30’, ‘30-35’, ‘35-40’, '40+'比較合理
#觀察一下借款金額分布，最小借款金額為100元，最大為50萬元，平均值為4424元，低于5230的借款金額占到了75%。
#說明應該是小額借款比較多。將借款金額分為0-2000，2000-3000，3000-4000，4000-5000，5000-6000，6000以上比較合理
#LC[‘ListingId’].value_counts()
LP.info()
LP.describe()
LP = LP.dropna(how=‘any’)
LP.info()
LC = LC.dropna(how=‘any’)
數據很干凈
1.分析用戶畫像（性別、學歷、年齡、是否首標）
按‘性別’、‘年齡’、‘是否首標’、‘學歷認證’字段對‘借款金額’進行加總，用餅圖或柱狀圖將結果可視化
#性別分析
male = LC[LC[‘性別’] == ‘男’]
female = LC[LC[‘性別’] == ‘女’]
sex = (male,female)
sex_data = (male[‘借款金額’].sum(), female[‘借款金額’].sum())
sex_idx = (‘男’, ‘女’)
plt.figure(figsize=(15, 6))
plt.subplot(1,3,1)
plt.pie(sex_data, labels=sex_idx, autopct=’%.1f%%’)
#新老客戶分析
new = LC[LC[‘是否首標’] == ‘是’]
old = LC[LC[‘是否首標’] == ‘否’]
newold_data = (new[‘借款金額’].sum(), old[‘借款金額’].sum())
newold_idx = (‘新客戶’, ‘老客戶’)
plt.subplot(1,3,2)
plt.pie(newold_data, labels=newold_idx, autopct=’%.1f%%’)
#學歷分析
ungraduate = LC[LC[‘學歷認證’] == ‘未成功認證’]
graduate = LC[LC[‘學歷認證’] == ‘成功認證’]
education_data = (ungraduate[‘借款金額’].sum(), graduate[‘借款金額’].sum())
education_idx = (‘大專以下’, ‘大專及以上’)
plt.subplot(1,3,3)
plt.pie(education_data, labels=education_idx, autopct=’%.1f%%’)
plt.show()
#年齡分析
ageA = LC.loc[(LC[‘年齡’] >= 15) & (LC[‘年齡’] < 20)]
ageB = LC.loc[(LC[‘年齡’] >= 20) & (LC[‘年齡’] < 25)]
ageC = LC.loc[(LC[‘年齡’] >= 25) & (LC[‘年齡’] < 30)]
ageD = LC.loc[(LC[‘年齡’] >= 30) & (LC[‘年齡’] < 35)]
ageE = LC.loc[(LC[‘年齡’] >= 35) & (LC[‘年齡’] < 40)]
ageF = LC.loc[LC[‘年齡’] >= 40]
age = (ageA, ageB, ageC, ageD, ageE, ageF)
age_total = 0
age_percent =[]
for i in age:
tmp = i[‘借款金額’].sum()
age_percent.append(tmp)
age_total += tmp
age_percent /= age_total
age_idx = [‘15-20’, ‘20-25’, ‘25-30’, ‘30-35’, ‘35-40’, ‘40+’]
plt.figure(figsize=(15, 8))
plt.bar(age_idx, age_percent)
for (a, b) in zip(age_idx, age_percent):
plt.text(a, b+0.001, ‘%.2f%%’ % (b * 100), ha=‘center’, va=‘bottom’, fontsize=10)
plt.show()
結論：
1.男性客戶的貢獻的貸款金額占到了69%，可能的原因是男性更傾向于提前消費且貸款金額較大。
2.非首標的金額占比達到66%，說明用戶傾向于多次使用，產品粘性較高。
3.大專以下學歷的貸款金額更多，但是由于可能有很多用戶并未認證學歷，所以數據存在出入。
4.年齡段在25-30歲之間的借款金額最多，而20-35歲的人群占比超過75%，是該產品的主力消費人群。
2.分析資金儲備
每日的借款金額大概多少？波動有多大？公司每日需要準備多少資金可以保證不會出現資金短缺？
from datetime import datetime
#分析每日貸款金額的走勢
loan = LC[[‘借款成功日期’, ‘借款金額’]].copy()
loan[‘借款日期’] = pd.to_datetime(loan[‘借款成功日期’])
loan1 = loan.pivot_table(index=‘借款日期’, aggfunc=‘sum’).copy()
plt.figure(figsize=(15, 6))
plt.subplot(1,2,1)
plt.plot(loan1)
plt.xlabel(‘日期’)
plt.ylabel(‘借款金額’)
plt.title(‘每天貸款金額波動圖’)
#分析每月貸款金額的走勢
loan[‘借款成功月份’] = [datetime.strftime(x, ‘%Y-%m’) for x in loan[‘借款日期’]]
loan2 = loan.pivot_table(index=‘借款成功月份’, aggfunc=‘sum’).copy()
plt.subplot(1,2,2)
plt.plot(loan2)
plt.xlabel(‘月份’)
plt.xticks([‘2015-01’,‘2015-07’,‘2016-01’,‘2016-07’,‘2017-01’])
plt.ylabel(‘借款金額’)
plt.title(‘每月貸款金額波動圖’)
plt.show()
對2017年1月的數據繼續進行分析，并求出平均值和標準差
loan3 = loan1.loc[‘2017-01’]
avg = loan3[‘借款金額’].mean()
std = loan3[‘借款金額’].std()
print(avg, std)
5204663.8 2203394.1435809094
結論：
1.每日貸款金額呈現的是一個往上的趨勢,但是每天的波動較大。
2.每月貸款分析結論：從2015年1月到2017年1月，月度貸款金額呈現上升趨勢，上升速度隨著時間增快。
3.2017年1月每日的借款金額達到5204664元，標準差為2203394，根據3σ原則，想使每日借款金額充足的概率達到99.9%，則每日公式賬上需準備5204664+2203394×3=11814846元。
3.分析逾期還款率（借款人的初始評級、借款類型、性別、年齡、借款金額等特征）
逾期還款率 = 歷史逾期還款期數/（歷史逾期還款期數+歷史正常還款期數）
#初始評級的數據劃分
level_idx = (‘A’,‘B’,‘C’,‘D’,‘E’,‘F’)
lev = []
for i in level_idx:
temp = LC[LC[‘初始評級’] == i]
lev.append(temp)
#借款類型的數據劃分
kind_idx = (‘電商’, ‘APP閃電’,‘普通’, ‘其他’)
kind = []
for i in kind_idx:
temp = LC[LC[‘借款類型’] == i]
kind.append(temp)
#不同借款金額的數據劃分
amount_idx = (‘0-2000’, ‘2000-3000’, ‘3000-4000’, ‘4000-5000’, ‘5000-6000’, ‘6000+’)
amountA = LC.loc[(LC[‘借款金額’] > 0) & (LC[‘借款金額’] < 2000)]
amountB = LC.loc[(LC[‘借款金額’] >= 2000) & (LC[‘借款金額’] < 3000)]
amountC = LC.loc[(LC[‘借款金額’] >= 3000) & (LC[‘借款金額’] < 4000)]
amountD = LC.loc[(LC[‘借款金額’] >= 4000) & (LC[‘借款金額’] < 5000)]
amountE = LC.loc[(LC[‘借款金額’] >= 5000) & (LC[‘借款金額’] < 6000)]
amountF = LC.loc[(LC[‘借款金額’] >= 6000)]
amount = (amountA, amountB, amountC, amountD,amountE,amountF)
LC[‘逾期還款率’] = LC[‘歷史逾期還款期數’]/(LC[‘歷史逾期還款期數’]+LC[‘歷史正常還款期數’])*100
#逾期還款率的分析圖
def depayplot(i,idx,data,xlabel,title,index):
depay = []
for a in data:
tmp = a[index].mean()
depay.append(tmp)
plt.subplot(2,3,i)
plt.bar(idx, depay)
for (a, b) in zip(idx, depay):
plt.text(a, b+0.001, ‘%.2f%%’% b, ha=‘center’, va=‘bottom’, fontsize=10)
plt.xlabel(xlabel)
plt.ylabel(index)
plt.title(title)
plt.figure(figsize=(15, 10))
index = ‘逾期還款率’
根據初始評級對逾期還款率進行分析
depayplot(1,level_idx,lev,‘初始評級’,‘不同初始評級客戶逾期還款率’,index)
根據年齡對逾期還款率進行分析
depayplot(2,age_idx,age,‘年齡’,‘不同年齡客戶逾期還款率’,index)
根據借款類型對逾期還款率進行分析
depayplot(3,kind_idx,kind,‘借款類型’,‘不同借款類型客戶逾期還款率’,index)
根據性別對逾期還款率進行分析
depayplot(4,sex_idx,sex,‘性別’,‘不同性別客戶逾期還款率’,index)
根據借款金額對逾期還款率進行分析
depayplot(5,amount_idx,amount,‘借款金額’,‘不同借款金額客戶逾期還款率’,index)
plt.show()
結論：
1.初始評級對于貸款者的還款能力有比較好的預測作用，EF兩級反轉可能是因為樣本數量較少，ABCD四個等級的平均逾期還款率都比較小，而EF兩級明顯增大，故公司對于這兩類貸款者要謹慎對待。
2.年齡對于逾期率的分布較為平均，25-30歲的年輕人可以重點關注。
3.APP閃電的逾期還款率明顯低于其他三種，故公司可以多考慮與“APP閃電”借款類型的合作。
4.女性的逾期率高于男性，可能是由于生活中男性收入較女性高造成的。
5.借款金額在2000以下的逾期還款率最低，2000-3000之間的最高。可以多考慮小額貸款降低逾期風險。
4.分析借款利率（借款人的初始評級、借款類型、性別、年齡、借款金額等特征）
哪些客戶群體更愿意接受較高的借款利率？
#借款利率的分析圖
plt.figure(figsize=(15, 10))
index1 = ‘借款利率’
根據初始評級對借款利率進行分析
depayplot(1,level_idx,lev,‘初始評級’,‘不同初始評級客戶借款利率’,index1)
根據年齡對借款利率進行分析
depayplot(2,age_idx,age,‘年齡’,‘不同年齡客戶借款利率’,index1)
根據借款類型對借款利率進行分析
depayplot(3,kind_idx,kind,‘借款類型’,‘不同借款類型客戶借款利率’,index1)
根據性別對借款利率進行分析
depayplot(4,sex_idx,sex,‘性別’,‘不同性別客戶借款利率’,index1)
根據借款金額對借款利率進行分析
depayplot(5,amount_idx,amount,‘借款金額’,‘不同借款金額客戶借款利率’,index1)
plt.show()
結論：
1.年齡對于借款利率的分布較為平均，差異性很小。
2.初始評級的平均借款利率由小到大排列為ABCDFDE。
3.電商的借款利率明顯低于其他三種。
4.女性所能接受的借款利率低于男性。
5.借款金額對于借款利率的分布較為平均，差異性很小。
對于以上四個問題綜合分析LC數據集：
1、“男性”、“回頭客”、“中青年”是拍拍貸用戶群體的主要特征。
2、每日公司賬上需準備7,283,728元，方可保證出現當日出借金額不足的可能性小于0.1%。
3、“初始評級”為D的群體，借款利率與E，F大致相當，但其逾期還款率卻只有E，F群體的三分之一，相同的收益水平下風險大大降低，應多發展評級為D的客戶或提高其貸款額度。
4、通過“app閃電”貸款的逾期還款率遠低于其他項，約為其他借款類型的三分之一至四分之一，而平均借款利率卻和其他項相差不大，證明“app閃電”是該公司優質的合作方，其所引流來得客戶質量很高，“拍拍貸”應與“app閃電”繼續加深合作。
5、“電商”中的貸款客戶，收益率水平明顯較低，逾期率卻不低，在該群體中的貸款收益小，風險大。
6、從性別上看，男性群體貸款利率較高，逾期風險較小，相較女性一定程度上是更為優質的客戶，但并不明顯。
2.LCLP數據集分析用戶的還款情況
基于LCLP 數據，分析用戶的還款習慣（提前一次性全部還款 、部分提前還款以及逾期還款）的金額占比。
將數據集按借款金額分組，并按還款狀態和還款日期分成四種還款情況并進行統計：
（1）一次性全部還款：其還款狀態標記為‘已提前還清該標全部欠款’；
（2）部分提前還款：其還款狀態標記為’已正常還款’，并且當期的還款日期早于到期日期；
（3）正常還款：其還款狀態標記為’已正常還款’，并且當期的還款日期即為到期日期；
（4）逾期還款：還款狀態標記為‘未還款’，‘已逾期還款’或者‘已部分還款’。
用百分堆積柱狀圖展示在不同年齡段（15 -20 ，20 -25 ，25 -30 ， 30-35 ，35 -40 ，40+ ）,不同性別（ 男、女），不同初始評級（A-F），不同借款類型、不同借款金額（1-1000，1000 -2000，2000-3000，3000+）、不同期數（1-24）的走勢。
刪除尚未到期的記錄
LP = LP[LP[‘到期日期’] <= LP[‘recorddate’]]
#LP.info()
#LP.describe()
將LC和LP兩個表融合起來
LCLP = pd.merge(LC, LP, how=‘left’, on=[‘ListingId’])
刪除數據不全的記錄
LCLP = LCLP.dropna(how=‘any’)
LCLP.info()
#LCLP.describe()
#定義用戶還款習慣分析可視化函數
def repayhabit(group,num,idx,xlabel,color):
# 一次性全部還款
onetime = []
for a in group:
ot = a.loc[a[‘還款狀態’] == 3][‘應還本金’].sum(
) + a.loc[a[‘還款狀態’] == 3][‘應還利息’].sum()
onetime.append(ot)
# 部分提前還款
partial = []
for a in group:
pa = a.loc[(a[‘還款狀態’] == 1) & (a[‘還款日期’] < a[‘到期日期’])][‘應還本金’].sum(
) + a.loc[(a[‘還款狀態’] == 1) & (a[‘還款日期’] < a[‘到期日期’])][‘應還利息’].sum()
partial.append(pa)
# 逾期還款
pastdue = []
for a in group:
pas = a.loc[(a[‘還款狀態’] == 2) | (a[‘還款狀態’] == 4)|(a[‘還款狀態’] == 0)][‘應還本金’].sum() +
a.loc[(a[‘還款狀態’] == 2) | (a[‘還款狀態’] == 4)|(a[‘還款狀態’] == 0)][‘應還利息’].sum()
pastdue.append(pas)
# 正常還款
normal = []
for a in group:
nm = a.loc[(a[‘還款狀態’] == 1) & (a[‘還款日期’] == a[‘到期日期’])][‘應還本金’].sum(
) + a.loc[(a[‘還款狀態’] == 1) & (a[‘還款日期’] == a[‘到期日期’])][‘應還利息’].sum()
normal.append(nm)
分析不同借款金額用戶的還款情況
amountA = LCLP.loc[(LCLP[‘借款金額’] > 0) & (LCLP[‘借款金額’] < 2000)]
amountB = LCLP.loc[(LCLP[‘借款金額’] >= 2000) & (LCLP[‘借款金額’] < 3000)]
amountC = LCLP.loc[(LCLP[‘借款金額’] >= 3000) & (LCLP[‘借款金額’] < 4000)]
amountD = LCLP.loc[(LCLP[‘借款金額’] >= 4000) & (LCLP[‘借款金額’] < 5000)]
amountE = LCLP.loc[(LCLP[‘借款金額’] >= 5000) & (LCLP[‘借款金額’] < 6000)]
amountF = LCLP.loc[(LCLP[‘借款金額’] >= 6000)]
amountgroup = [amountA, amountB, amountC, amountD,amountE,amountF]
repayhabit(amountgroup,6,amount_idx,‘借款金額’,‘Greys_r’)
[28456834.85, 69903191.44000001, 99595369.9, 72161874.03, 51083566.29000001, 269236628.2506]
提前一次性 部分提前 正常 逾期
0-2000 10.204426 60.954742 16.233811 12.607020
2000-3000 10.208217 54.959603 20.400835 14.431346
3000-4000 14.874141 50.961604 21.902815 12.261440
4000-5000 14.678874 50.698304 22.775784 11.847038
5000-6000 15.703463 50.299053 23.239861 10.757622
6000+ 11.688029 39.376116 39.790049 9.145806
在根據借款金額分組中，得到結果如下：
A組（0-2000）：總金額2.85千萬。（1）一次性全部還款：占比 10.20%；（2）部分提前還款：占比60.95%；（3）正常還款：占比 16.23%； （4）逾期還款：占比 12.61%。
B組（2000-3000）：總金額 7千萬。（1）一次性全部還款：占比 10.21%；（2）部分提前還款：占比54.96%；（3）正常還款：占比 20.40%； （4）逾期還款：占比 14.43%。
C組（3000-4000）：總金額 10千萬。（1）一次性全部還款：占比 14.87%；（2）部分提前還款：占比50.96%；（3）正常還款：占比 21.90%； （4）逾期還款：占比 12.26%。
D組（4000-5000）：總金額 7.22千萬。（1）一次性全部還：占比 14.68%；（2）部分提前還款：占比50.70%；（3）正常還款：占比 22.78%； （4）逾期還款：占比 11.85%。
E組（5000-6000）：總金額 5.11千萬。（1）一次性全部還款：占比 15.70%；（2）部分提前還款：占比50.30%；（3）正常還款：占比 23.24%； （4）逾期還款：占比 10.76%。
F組（6000+）：總金額 26.92千萬。（1）一次性全部還款：占比 11.69%；（2）部分提前還款：占比39.38%；（3）正常還款：占比 39.79%； （4）逾期還款：占比 9.15%。
從對借款金額分組的統計結果以及上圖結果中可以看出：
（1）借款總額6000元以上最多，3000-4000其次，說明3000-4000元的借款金額是最多的。
（2）逾期風險在各金額組表現比較平均，其中2000-3000最大，6000+最小。
（3）隨著標的金額增加，部分提前還款的總金額比例在減少，正常還款的總金額比例在增加。
分析不同年齡段用戶的還款情況
ageA = LCLP.loc[(LCLP[‘年齡’] >= 15) & (LCLP[‘年齡’] < 20)]
ageB = LCLP.loc[(LCLP[‘年齡’] >= 20) & (LCLP[‘年齡’] < 25)]
ageC = LCLP.loc[(LCLP[‘年齡’] >= 25) & (LCLP[‘年齡’] < 30)]
ageD = LCLP.loc[(LCLP[‘年齡’] >= 30) & (LCLP[‘年齡’] < 35)]
ageE = LCLP.loc[(LCLP[‘年齡’] >= 35) & (LCLP[‘年齡’] < 40)]
ageF = LCLP.loc[LCLP[‘年齡’] >= 40]
agegroup = [ageA, ageB, ageC, ageD, ageE, ageF]
repayhabit(agegroup,6,age_idx,‘年齡’,‘Reds_r’)
[1325708.5400000003, 85978811.91999999, 203407279.9106, 149443150.8962, 79947743.0043, 70334770.4895]
提前一次性 部分提前 正常 逾期
15-20 10.441107 62.896452 13.114767 13.547674
20-25 13.428313 53.199581 20.048697 13.323409
25-30 14.002901 47.665900 26.687108 11.644091
30-35 12.363756 43.932650 33.824134 9.879460
35-40 10.805522 44.388718 34.672769 10.132990
40+ 10.882495 42.854777 37.205296 9.057432
在年齡分組中，得到結果如下：
A組（15-20歲）：總金額0.13千萬。（1）一次性全部還款：占比 10.44%；（2）部分提前還款：占比62.90%；（3）正常還款：占比 13.11%； （4）逾期還款：占比 13.55%。
B組（20-25歲）：總金額 8.60千萬。（1）一次性全部還款：占比 13.43%；（2）部分提前還款：占比53.2%；（3）正常還款：占比 20.05%； （4）逾期還款：占比 13.32%。
C組（25-30歲）：總金額 20.34千萬。（1）一次性全部還款：占比 14.00%；（2）部分提前還款：占比47.67%；（3）正常還款：占比 26.69%； （4）逾期還款：占比 11.64%。
D組（30-35歲）：總金額 14.94千萬。（1）一次性全部還款：占比 12.36%；（2）部分提前還款：占比43.92%；（3）正常還款：占比 33.82%； （4）逾期還款：占比 9.88%。
E組（35-40歲）：總金額 8.00千萬。（1）一次性全部還款：占比 10.81%；（2）部分提前還款：占比44.39%；（3）正常還款：占比 34.67%； （4）逾期還款：占比 10.13%。
F組（40歲+）：總金額 7.03千萬。（1）一次性全部還款：占比 10.88%；（2）部分提前還款：占比42.85%；（3）正常還款：占比 37.21%； （4）逾期還款：占比 9.06%。
從對年齡分組的統計結果以及上圖結果中可以看出：
（1）拍拍貸的客戶群體中25-30歲年齡組的貸款金額最高，15-20歲最低；
（2）各年齡組的還款習慣大體一致，從金額上來說，部分提前還款和正常還款是最常用的方式；
（3）逾期還款風險最高的年齡組為15-20歲組；
（4）25-30歲年齡組一次性提前還款的金額占比最高。
分析不同性別用戶的還款情況
male = LCLP.loc[LCLP[‘性別’] == “男”]
female = LCLP.loc[LCLP[‘性別’] == “女”]
sexgroup = (male,female)
repayhabit(sexgroup,2,sex_idx,‘性別’,‘Greens_r’)
[431899402.1953, 158538062.5653]
提前一次性 部分提前 正常 逾期
男 13.159444 45.775236 30.093425 10.971895
女 11.417458 48.638828 29.114713 10.829001
在男女性別組中，得到結果如下：
男性：總還款金額 43.19千萬。（1）一次性全部還款占比 13.16%；（2）部分提前還款占比45.78%；（3）正常還款占比 30.09%； （4）逾期還款占比10.97%。
女性：總還款金額 15.85千萬。（1）一次性全部還款占比 11.42%；（2）部分提前還款占比48.64%；（3）正常還款占比29.11%； （4）逾期還款占比10.83%。
從對男女性別組的統計結果以及上圖結果中可以看出：
（1）拍拍貸男性客戶的貸款金額約為女性客戶的2.7倍；
（2）男性及女性的還款習慣大體上比較一致，從金額上來說，部分提前還款>正常還款>一次性提前還款>逾期還款；
（3）男性客戶一次性提前還款的金額占比較女性為高；
（4）女性逾期還款的風險略低于男性；
（5）女性部分提前還款的金額占比略大于男性。
分析不同初始評級客戶的還款情況
levelgroup = []
for i in level_idx:
l = LCLP[(LCLP[‘初始評級’] == i)]
levelgroup.append(l)
repayhabit(levelgroup,6,level_idx,‘初始評級’,‘Blues_r’)
[24260113.047399998, 129789781.91, 292672443.2151, 131419854.39039999, 10771732.247699998, 1523539.95]
提前一次性 部分提前 正常 逾期
A 10.951641 42.540019 39.727788 6.780552
B 7.686131 37.447042 47.651688 7.215139
C 14.192953 49.919494 24.995052 10.892502
D 14.592841 49.269359 21.846049 14.291750
E 13.213394 40.965391 22.906776 22.914440
F 10.752586 41.241621 20.679682 27.326111
在初始評級分組中，得到結果如下：
A級：總金額2.43千萬。（1）一次性全部還款：占比 10.95%；（2）部分提前還款：占比42.54%；（3）正常還款：占比 39.73%； （4）逾期還款：占比 6.78%。
B級：總金額 12.98千萬。（1）一次性全部還款：占比 7.68%；（2）部分提前還款：占比37.45%；（3）正常還款：占比 47.65%； （4）逾期還款：占比 7.22%。
C級：總金額 29.27千萬。（1）一次性全部還款：占比 14.19%；（2）部分提前還款：占比49.92%；（3）正常還款：占比 25.00%； （4）逾期還款：占比 10.89%。
D級：總金額 13.14千萬。（1）一次性全部還款：占比 14.59%；（2）部分提前還款：占比49.27%；（3）正常還款：占比 21.85%； （4）逾期還款：占比 14.29%。
E級：總金額 1.08千萬。（1）一次性全部還款：占比 13.21%；（2）部分提前還款：占比40.97%；（3）正常還款：占比 22.91%； （4）逾期還款：占比 22.91%。
F級：總金額 0.15千萬。（1）一次性全部還款：占比 10.75%；（2）部分提前還款：占比41.24%；（3）正常還款：占比 20.68%； （4）逾期還款：占比 27.33%。
從對初始評級分組的統計結果可以看出：
（1）B級客戶借款總額最多，占到了大約50%的金額。B、C、D級客戶是借款的主力軍。
（2）提前一次性還款的占比相對比較平均，其中D級最大為14.59%。
（3）逾期風險隨著級別而呈總體增加趨勢，F級客戶的逾期占比達到了27.33%。
（4）部分提前和正常還款還是占到了大多數。
（5）總的來說，初始評級具有重要的參考意義。
分析不同借款類型客戶的還款情況
kindgroup = []
for i in kind_idx:
l = LCLP[(LCLP[‘借款類型’] == i)]
kindgroup.append(l)
repayhabit(kindgroup,4,kind_idx,‘借款類型’,‘Reds_r’)
[85700890.47, 74452365.96, 234675993.36, 195608214.9706]
提前一次性 部分提前 正常 逾期
電商 4.218635 26.927505 62.071671 6.782188
APP閃電 8.959958 61.125398 18.677700 11.236944
普通 17.162002 45.092948 26.095824 11.649226
其他 12.461221 51.329790 24.430785 11.778204
在借款類型分組中，得到結果如下：
電商：總金額8.57千萬。（1）一次性全部還款：占比 4.22%；（2）部分提前還款：占比26.93%；（3）正常還款：占比 62.07%； （4）逾期還款：占比 6.78%。
APP閃電：總金額 7.45千萬。（1）一次性全部還款：占比 8.96%；（2）部分提前還款：占比61.13%；（3）正常還款：占比 18.68%； （4）逾期還款：占比11.24%。
普通：總金額 23.47千萬。（1）一次性全部還款：占比 17.16%；（2）部分提前還款：占比45.09%；（3）正常還款：占比 26.10%； （4）逾期還款：占比 11.65%。
其他：總金額 19.56千萬。（1）一次性全部還款：占比 12.46%；（2）部分提前還款：占比51.33%；（3）正常還款：占比 24.43%； （4）逾期還款：占比 11.78%。
從對借款類型分組的統計結果可以看出：
（1）普通借款類型的借款金額總數最大，其次是其他，電商和APP閃電差不多。
（2）逾期風險電商最低，為6.78%。其他三種類型差不多。
（3）部分提前和正常還款還是占到了大多數。值得注意的是除了電商，其他三種類型的部分提前還款都占比很大。
term_idx = (‘1’,‘2’,‘3’,‘4’,‘5’,‘6’,‘7’,‘8’,‘9’,‘10’,‘11’,‘12’,‘13’,‘14’,‘15’,‘16’,‘17’,‘18’,‘19’,‘20’,‘21’,‘22’,‘23’,‘24’)
termgroup = []
for i in range(1,25):
term = LCLP.loc[(LCLP[‘期數’] == i)]
termgroup.append(term)
repayhabit(termgroup,24,term_idx,‘期數’,‘Reds_r’)
[201565330.19059998, 160494654.9011, 142197065.14570004, 119076424.03460002, 98747185.4339, 80930357.9448, 40878559.982200004, 33897402.88249999, 27118560.888, 21440574.8308, 16173580.82, 11798205.459999999, 829538.13, 712179.6699999999, 634899.49, 544136.9299999999, 450818.11, 376328.06, 170209.27, 127468.83, 64092.6, 16738.09, 6095.860000000001, 1636.3400000000001]
提前一次性 部分提前 正常 逾期
1 11.323967 46.902638 33.431895 8.341499
2 10.627492 50.312785 28.719538 10.340185
3 13.429248 46.155704 28.693458 11.721591
4 12.671416 44.157855 29.482901 13.687827
5 10.720721 44.604374 29.438926 15.235980
6 8.034741 44.478341 29.986734 17.500184
7 13.244753 43.730144 22.927067 20.098036
8 12.189846 42.894606 23.201825 21.713723
9 9.581578 43.431477 23.247505 23.739439
10 7.876236 43.417232 23.379967 25.326566
11 5.279194 43.232885 23.974747 27.513173
12 2.922282 46.334268 21.896949 28.846501
13 16.774186 21.147695 27.364840 34.713280
14 9.758560 23.252014 24.693067 42.296359
15 8.801518 24.895919 22.573134 43.729430
16 6.470489 23.249683 24.300979 45.978849
17 2.506725 23.486991 23.340262 50.666021
18 4.905321 25.221409 19.448053 50.425217
19 3.610555 24.795682 16.487475 55.106288
20 13.697341 18.319506 10.687672 57.295482
21 11.058032 22.625342 11.033629 55.282997
22 0.000000 63.308418 23.442997 13.248585
23 0.000000 26.843464 60.871805 12.284731
24 0.000000 50.000000 50.000000 0.000000
從對期數分組的統計結果可以看出：
（1）借款金額是隨著期數增加呈現出下降的趨勢。
（2）不同的還款行為在不同的借款期限下的表現差異比較大，部分提前還款和正常還款是最常用的方式；
（3）逾期風險隨著借款期限變長而呈總體增加趨勢，期限為20個月的逾期金額占比為最高，達到了57.30%；
（4）期限為13個月的提前一次性還款占比最高，達到了16.77%。
（5）借款期限太長的樣本數量太少，不能排除偶然性。
3.計算金額催收回款率（催收回本金/所有逾期本金）
在不同等級（A-F）、不同借款期數（1-24）和不同借款金額（0-2000，2000-3000，3000-4000，4000-5000，5000-6000，6000+）等，隨逾期天數增加而呈現的走勢。
1）x軸為逾期天數，y軸為金額催收回款率，不同參數對應不同曲線；
2）催收回款的定義為逾期90天之內的逾期還款。
from datetime import datetime,timedelta
#LCLP.info()
LCLP[‘recorddate’] = pd.to_datetime(LCLP[‘recorddate’])
LCLP[‘到期日期’] = pd.to_datetime(LCLP[‘到期日期’])
LCLP[‘還款日期’] = pd.to_datetime(LCLP[‘還款日期’], errors=‘coerce’)
LCLP[‘lateday’] = LCLP[‘還款日期’]-LCLP[‘到期日期’]
depay = LCLP[LCLP[‘lateday’]>timedelta(days=0)]
#不同等級（A-F）隨逾期天數催收還款率的走勢
df = depay.groupby([‘初始評級’,‘lateday’])[‘應還本金’].sum()
df1 = df.to_frame().pivot_table(index=‘lateday’,columns = ‘初始評級’, values =‘應還本金’)
tmp = df1.fillna(0)
df2 = depay.groupby([‘初始評級’])[‘應還本金’].sum()
tmp_1 = tmp[tmp.index <= timedelta(days=90)]
tmp_1 = tmp_1/df2
plt.figure(figsize=(15, 8))
for i in range(6):
plt.subplot(2,3,i+1)
plt.plot(range(90),tmp_1[level_idx[i]])
plt.title(level_idx[i])
plt.show()
不同等級（A-F）隨逾期天數催收還款率的走勢大致相同，也就是大部分人都在逾期十天之內還款，說明他們有可能忘記還款；特別是在4、5天的還款的人數和金額最多。
#不同借款期數（1-24）隨逾期天數催收還款率的走勢
#由于期數為24的項目不存在逾期還款的現象，所以只對1-23進行分析
df = depay.groupby([‘期數’,‘lateday’])[‘應還本金’].sum()
df1 = df.to_frame().pivot_table(index=‘lateday’,columns = ‘期數’, values =‘應還本金’)
tmp = df1.fillna(0)
df2 = depay.groupby([‘期數’])[‘應還本金’].sum()
tmp_1 = tmp[tmp.index <= timedelta(days=90)]
tmp_1 = tmp_1/df2
plt.figure(figsize=(15, 12))
for i in range(1,24):
plt.subplot(4,6,i)
plt.plot(range(90),tmp_1[i])
plt.xticks([0,30,60,90])
plt.title(str(i))
plt.show()
不同借款期數（1-24）的金額收回款率隨逾期天數的趨勢沒有明顯的規律。在12期及之前大部分人都在逾期十天之內還款，特別是在4、5天的還款的人數和金額最多。 但是13之后呈現出10天之后回款率的依然很大。也有可能是因為數據量導致異常值凸顯，但是也說明了借款期數長的回款率不夠穩定。
#不同借款金額隨逾期天數催收還款率的走勢
def function(a):
if a>0 and a<2000:
return ‘0-2000’
elif a>=2000 and a<3000:
return ‘2000-3000’
elif a>=3000 and a<4000:
return ‘3000-4000’
elif a>=4000 and a<5000:
return ‘4000-5000’
elif a>=5000 and a<6000:
return ‘5000-6000’
else:
return ‘6000+’
depay[‘金額類型’] = depay.apply(lambda x:function(x[‘借款金額’]),axis=1)
df = depay.groupby([‘金額類型’,‘lateday’])[‘應還本金’].sum().copy()
df1 = df.to_frame().pivot_table(index=‘lateday’,columns = ‘金額類型’, values =‘應還本金’)
tmp = df1.fillna(0)
df2 = depay.groupby([‘金額類型’])[‘應還本金’].sum()
tmp_1 = tmp[tmp.index <= timedelta(days=90)]
tmp_1 = tmp_1/df2
plt.figure(figsize=(15, 8))
for i in range(6):
plt.subplot(2,3,i+1)
plt.plot(range(90),tmp_1[amount_idx[i]])
plt.xticks([0,30,60,90])
plt.title(amount_idx[i])
plt.show()
對不同借款金額對于進入催收回款率影響較大，借款金額越多，逾期的可能性就越大。
4.累積收益曲線
LCIS數據提供了該客戶投資的從2015年1月1日起成交的所有標。包括投標記錄和還款狀況。請計算并畫出該投資人從2016年9月開始到2017年2月，每月月底的累計收益曲線。
from datetime import datetime,timedelta
LCIS = pd.read_csv("/home/kesci/input/ppdai2017/LCIS.csv",encoding = ‘utf-8’)
計算從2016年9月至2017年2月所有的利息
def getinterest(df):
df_1 = df[[‘ListingId’,‘標當前狀態’,‘上次還款日期’,‘上次還款利息’]]
df_1 = df_1[(df_1[‘標當前狀態’] ==‘正常還款中’) | (df_1[‘標當前狀態’] ==‘已還清’)]
df_1[‘上次還款日期’] = df_1[‘上次還款日期’].where(df_1[‘上次還款日期’].notnull(),‘2016/08/31’)
df_1[‘上次還款日期’] = pd.to_datetime(df_1[‘上次還款日期’], errors=‘coerce’)
df_1 = df_1[df_1[‘上次還款日期’]>=‘2016-09-01’].drop_duplicates()
df_1_1 = df_1.groupby([‘上次還款日期’])[‘上次還款利息’].sum().to_frame().reset_index()
return df_1_1
計算從2016年9月至2017年2月所有的虧損
def getloss(df):
df_2 = df[[‘ListingId’, ‘待還本金’, ‘標當前狀態’, ‘上次還款日期’, ‘下次計劃還款日期’, ‘recorddate’]]
df_2 = df_2[(df_2[‘標當前狀態’]==‘逾期中’)]
df_2[‘下次計劃還款日期’] = pd.to_datetime(df_2[‘下次計劃還款日期’], errors=‘coerce’)
df_2[‘recorddate’] = pd.to_datetime(df_2[‘recorddate’], errors=‘coerce’)
merge gain and loss
def profit(df):
df_1_1 = getinterest(df)
df_2_2 = getloss(df)
df_now = pd.merge(df_1_1,df_2_2, how = ‘left’, left_on = ‘上次還款日期’, right_on = ‘date’)
df_now[‘待還本金’] = df_now[‘待還本金’].where(df_now[‘待還本金’].notnull(),0)
df_now[‘差別’] = df_now[‘上次還款利息’] - df_now[‘待還本金’]
return df_now
def draw(df):
df_now = profit(df)
plt.plot(df_now[‘上次還款日期’], np.cumsum(df_now[‘差別’]), label=“利息”)
plt.title(‘累積收益曲線’)
plt.xlabel(‘時間’)
plt.ylabel(‘收益金額’)
plt.show()
draw(LCIS)
調用draw()函數，可以對任一用戶的數據畫出累積收益曲線。
總結
以上是生活随笔為你收集整理的P2P信贷平台业务数据分析的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 学成在线页面制作
- 下一篇： 焦绪录：大数据如何推动数字中国建设