大家好，我是讯享网，很高兴认识大家。

来源：barefootgirl - kesci.com
原文链接：P2P信贷平台业务数据分析
点击以上链接👆 不用配置环境，直接在线运行
数据集下载链接：P2P信贷平台业务数据

这个项目来自此前拍拍魔镜数据训练营，使用了拍拍贷真实业务数据。本项目基于数据集研究了用户画像分析、资金储备、逾期还款率、借款利率、用户还款习惯、催收回款率、用户累积收益曲线的问题

1.借款人分析

首先我们来分析一下LC.csv数据集，LC (Loan Characteristics) 表为标的特征表，每支标一条记录。共有21个字段，包括一个主键（listingid）、7个标的特征和13个成交当时的借款人信息，全部为成交当时可以获得的信息。信息的维度比较广，大致可以分为基本信息，认证信息，信用信息，借款信息。

基本信息：年龄、性别；

认证信息：手机认证、户口认证、视频认证、征信认证、淘宝认证；

信用信息：初始评级、历史正常还款期数、历史逾期还款期数；

借款信息：历史成功借款金额、历史成功借款次数、借款金额、借款期限、借款成功日期

对于LC数据集我们提出以下四个问题：

1.用户画像，包含使用平台贷款业务的用户的性别比例，学历水平，是否为旧有用户，年龄分布等信息。

2.资金储备，每日借款金额大概多少？波动有多大？从而公司每日需准备多少资金可以保证不会出现资金短缺？

3.用户逾期率，借款人的初始评级、借款类型、性别、年龄等特征对于逾期还款的概率有无显著影响？哪些群体逾期还款率明显较高？

4.借款利率，哪些群体更愿意接受较高的借款利率？

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') 

讯享网

对数据进行清洗

依次检查重复值、缺失值的处理，一致化以及异常值，数据集很干净。

讯享网#LC.info() #LC.describe() #观察一下年龄分布，最小17岁，最大56岁，平均年龄29岁，33岁以下的占比超过了75%。说明用户整体还是中青年。 #将年龄分为'15-20', '20-25', '25-30', '30-35', '35-40', '40+'比较合理 #观察一下借款金额分布，最小借款金额为100元，最大为50万元，平均值为4424元，低于5230的借款金额占到了75%。 #说明应该是小额借款比较多。将借款金额分为0-2000，2000-3000，3000-4000，4000-5000，5000-6000，6000以上比较合理 #LC['ListingId'].value_counts() # LP.info() # LP.describe() # LP = LP.dropna(how='any') # LP.info() # LC = LC.dropna(how='any') # 数据很干净 

1.分析用户画像（性别、学历、年龄、是否首标）

按‘性别’、‘年龄’、‘是否首标’、‘学历认证’字段对‘借款金额’进行加总，用饼图或柱状图将结果可视化

#性别分析 male = LC[LC['性别'] == '男'] female = LC[LC['性别'] == '女'] sex = (male,female) sex_data = (male['借款金额'].sum(), female['借款金额'].sum()) sex_idx = ('男', '女') plt.figure(figsize=(15, 6)) plt.subplot(1,3,1) plt.pie(sex_data, labels=sex_idx, autopct='%.1f%%') #新老客户分析 new = LC[LC['是否首标'] == '是'] old = LC[LC['是否首标'] == '否'] newold_data = (new['借款金额'].sum(), old['借款金额'].sum()) newold_idx = ('新客户', '老客户') plt.subplot(1,3,2) plt.pie(newold_data, labels=newold_idx, autopct='%.1f%%') #学历分析 ungraduate = LC[LC['学历认证'] == '未成功认证'] graduate = LC[LC['学历认证'] == '成功认证'] education_data = (ungraduate['借款金额'].sum(), graduate['借款金额'].sum()) education_idx = ('大专以下', '大专及以上') plt.subplot(1,3,3) plt.pie(education_data, labels=education_idx, autopct='%.1f%%') plt.show() #年龄分析 ageA = LC.loc[(LC['年龄'] >= 15) & (LC['年龄'] < 20)] ageB = LC.loc[(LC['年龄'] >= 20) & (LC['年龄'] < 25)] ageC = LC.loc[(LC['年龄'] >= 25) & (LC['年龄'] < 30)] ageD = LC.loc[(LC['年龄'] >= 30) & (LC['年龄'] < 35)] ageE = LC.loc[(LC['年龄'] >= 35) & (LC['年龄'] < 40)] ageF = LC.loc[LC['年龄'] >= 40] age = (ageA, ageB, ageC, ageD, ageE, ageF) age_total = 0 age_percent =[] for i in age: tmp = i['借款金额'].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() 

讯享网

结论：

1.男性客户的贡献的贷款金额占到了69%，可能的原因是男性更倾向于提前消费且贷款金额较大。

2.非首标的金额占比达到66%，说明用户倾向于多次使用，产品粘性较高。

3.大专以下学历的贷款金额更多，但是由于可能有很多用户并未认证学历，所以数据存在出入。

4.年龄段在25-30岁之间的借款金额最多，而20-35岁的人群占比超过75%，是该产品的主力消费人群。

2.分析资金储备

每日的借款金额大概多少？波动有多大？公司每日需要准备多少资金可以保证不会出现资金短缺？

讯享网from datetime import datetime #分析每日贷款金额的走势 loan = LC[['借款成功日期', '借款金额']].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('借款金额') plt.title('每天贷款金额波动图') #分析每月贷款金额的走势 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('借款金额') plt.title('每月贷款金额波动图') plt.show() # 对2017年1月的数据继续进行分析，并求出平均值和标准差 loan3 = loan1.loc['2017-01'] avg = loan3['借款金额'].mean() std = loan3['借款金额'].std() print(avg, std) 

.8 . 

结论：

1.每日贷款金额呈现的是一个往上的趋势,但是每天的波动较大。

2.每月贷款分析结论：从2015年1月到2017年1月，月度贷款金额呈现上升趋势，上升速度随着时间增快。

3.2017年1月每日的借款金额达到元，标准差为，根据3σ原则，想使每日借款金额充足的概率达到99.9%，则每日公式账上需准备+×3=元。

3.分析逾期还款率（借款人的初始评级、借款类型、性别、年龄、借款金额等特征）

逾期还款率 = 历史逾期还款期数/（历史逾期还款期数+历史正常还款期数）

讯享网#初始评级的数据划分 level_idx = ('A','B','C','D','E','F') lev = [] for i in level_idx: temp = LC[LC['初始评级'] == i] lev.append(temp) #借款类型的数据划分 kind_idx = ('电商', 'APP闪电','普通', '其他') kind = [] for i in kind_idx: temp = LC[LC['借款类型'] == i] kind.append(temp) #不同借款金额的数据划分  amount_idx = ('0-2000', '2000-3000', '3000-4000', '4000-5000', '5000-6000', '6000+') amountA = LC.loc[(LC['借款金额'] > 0) & (LC['借款金额'] < 2000)] amountB = LC.loc[(LC['借款金额'] >= 2000) & (LC['借款金额'] < 3000)] amountC = LC.loc[(LC['借款金额'] >= 3000) & (LC['借款金额'] < 4000)] amountD = LC.loc[(LC['借款金额'] >= 4000) & (LC['借款金额'] < 5000)] amountE = LC.loc[(LC['借款金额'] >= 5000) & (LC['借款金额'] < 6000)] amountF = LC.loc[(LC['借款金额'] >= 6000)] amount = (amountA, amountB, amountC, amountD,amountE,amountF) LC['逾期还款率'] = LC['历史逾期还款期数']/(LC['历史逾期还款期数']+LC['历史正常还款期数'])*100 #逾期还款率的分析图 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 = '逾期还款率' # 根据初始评级对逾期还款率进行分析 depayplot(1,level_idx,lev,'初始评级','不同初始评级客户逾期还款率',index) # 根据年龄对逾期还款率进行分析 depayplot(2,age_idx,age,'年龄','不同年龄客户逾期还款率',index) # 根据借款类型对逾期还款率进行分析 depayplot(3,kind_idx,kind,'借款类型','不同借款类型客户逾期还款率',index) # 根据性别对逾期还款率进行分析 depayplot(4,sex_idx,sex,'性别','不同性别客户逾期还款率',index) # 根据借款金额对逾期还款率进行分析 depayplot(5,amount_idx,amount,'借款金额','不同借款金额客户逾期还款率',index) plt.show() 

结论：

1.初始评级对于贷款者的还款能力有比较好的预测作用，EF两级反转可能是因为样本数量较少，ABCD四个等级的平均逾期还款率都比较小，而EF两级明显增大，故公司对于这两类贷款者要谨慎对待。

2.年龄对于逾期率的分布较为平均，25-30岁的年轻人可以重点关注。

3.APP闪电的逾期还款率明显低于其他三种，故公司可以多考虑与“APP闪电”借款类型的合作。

4.女性的逾期率高于男性，可能是由于生活中男性收入较女性高造成的。

5.借款金额在2000以下的逾期还款率最低，2000-3000之间的最高。可以多考虑小额贷款降低逾期风险。

4.分析借款利率（借款人的初始评级、借款类型、性别、年龄、借款金额等特征）

哪些客户群体更愿意接受较高的借款利率？

#借款利率的分析图 plt.figure(figsize=(15, 10)) index1 = '借款利率' # 根据初始评级对借款利率进行分析 depayplot(1,level_idx,lev,'初始评级','不同初始评级客户借款利率',index1) # 根据年龄对借款利率进行分析 depayplot(2,age_idx,age,'年龄','不同年龄客户借款利率',index1) # 根据借款类型对借款利率进行分析 depayplot(3,kind_idx,kind,'借款类型','不同借款类型客户借款利率',index1) # 根据性别对借款利率进行分析 depayplot(4,sex_idx,sex,'性别','不同性别客户借款利率',index1) # 根据借款金额对借款利率进行分析 depayplot(5,amount_idx,amount,'借款金额','不同借款金额客户借款利率',index1) plt.show() 

结论：

1.年龄对于借款利率的分布较为平均，差异性很小。

2.初始评级的平均借款利率由小到大排列为ABCDFDE。

3.电商的借款利率明显低于其他三种。

4.女性所能接受的借款利率低于男性。

5.借款金额对于借款利率的分布较为平均，差异性很小。

对于以上四个问题综合分析LC数据集：

1、“男性”、“回头客”、“中青年”是拍拍贷用户群体的主要特征。

2、每日公司账上需准备7,283,728元，方可保证出现当日出借金额不足的可能性小于0.1%。

3、“初始评级”为D的群体，借款利率与E，F大致相当，但其逾期还款率却只有E，F群体的三分之一，相同的收益水平下风险大大降低，应多发展评级为D的客户或提高其贷款额度。

4、通过“app闪电”贷款的逾期还款率远低于其他项，约为其他借款类型的三分之一至四分之一，而平均借款利率却和其他项相差不大，证明“app闪电”是该公司优质的合作方，其所引流来得客户质量很高，“拍拍贷”应与“app闪电”继续加深合作。

5、“电商”中的贷款客户，收益率水平明显较低，逾期率却不低，在该群体中的贷款收益小，风险大。

6、从性别上看，男性群体贷款利率较高，逾期风险较小，相较女性一定程度上是更为优质的客户，但并不明显。

2.用户还款情况分析

基于LCLP.csv 数据，分析用户的还款习惯（提前一次性全部还款 、部分提前还款以及逾期还款）的金额占比。

将数据集按借款金额分组，并按还款状态和还款日期分成四种还款情况并进行统计：

（1）一次性全部还款：其还款状态标记为‘已提前还清该标全部欠款’；

（2）部分提前还款：其还款状态标记为’已正常还款’，并且当期的还款日期早于到期日期；

（3）正常还款：其还款状态标记为’已正常还款’，并且当期的还款日期即为到期日期；

（4）逾期还款：还款状态标记为‘未还款’，‘已逾期还款’或者‘已部分还款’。

用百分堆积柱状图展示在不同年龄段（15 -20 ，20 -25 ，25 -30 ， 30-35 ，35 -40 ，40+ ）,不同性别（ 男、女），不同初始评级（A-F），不同借款类型、不同借款金额（1-1000，1000 -2000，2000-3000，3000+）、不同期数（1-24）的走势。

讯享网# 删除尚未到期的记录 LP = LP[LP['到期日期'] <= LP['recorddate']] #LP.info() #LP.describe() # 将LC和LP两个表融合起来 LCLP = pd.merge(LC, LP, how='left', on=['ListingId']) # 删除数据不全的记录 LCLP = LCLP.dropna(how='any') # LCLP.info() #LCLP.describe() 

#定义用户还款习惯分析可视化函数 def repayhabit(group,num,idx,xlabel,color): # 一次性全部还款 onetime = [] for a in group: ot = a.loc[a['还款状态'] == 3]['应还本金'].sum( ) + a.loc[a['还款状态'] == 3]['应还利息'].sum() onetime.append(ot) # 部分提前还款 partial = [] for a in group: pa = a.loc[(a['还款状态'] == 1) & (a['还款日期'] < a['到期日期'])]['应还本金'].sum( ) + a.loc[(a['还款状态'] == 1) & (a['还款日期'] < a['到期日期'])]['应还利息'].sum() partial.append(pa) # 逾期还款 pastdue = [] for a in group: pas = a.loc[(a['还款状态'] == 2) | (a['还款状态'] == 4)|(a['还款状态'] == 0)]['应还本金'].sum() + \ a.loc[(a['还款状态'] == 2) | (a['还款状态'] == 4)|(a['还款状态'] == 0)]['应还利息'].sum() pastdue.append(pas) # 正常还款 normal = [] for a in group: nm = a.loc[(a['还款状态'] == 1) & (a['还款日期'] == a['到期日期'])]['应还本金'].sum( ) + a.loc[(a['还款状态'] == 1) & (a['还款日期'] == a['到期日期'])]['应还利息'].sum() normal.append(nm) tot = [] for i in range(num): t = onetime[i]+partial[i]+pastdue[i]+normal[i] tot.append(t) print(tot) temp = [] for i in range(num): tp = (100 * onetime[i] / tot[i], 100 * partial[i] / tot[i], 100 * normal[i] / tot[i], 100 * pastdue[i] / tot[i]) temp.append(tp) df = pd.DataFrame(temp) df.index = idx df.columns = ('提前一次性', '部分提前', '正常', '逾期') print(df) df.plot(kind='bar', colormap=color, stacked=True) plt.ylabel('还款金额') plt.xlabel(xlabel) plt.legend(loc='best') plt.show() 

讯享网# 分析不同借款金额用户的还款情况 amountA = LCLP.loc[(LCLP['借款金额'] > 0) & (LCLP['借款金额'] < 2000)] amountB = LCLP.loc[(LCLP['借款金额'] >= 2000) & (LCLP['借款金额'] < 3000)] amountC = LCLP.loc[(LCLP['借款金额'] >= 3000) & (LCLP['借款金额'] < 4000)] amountD = LCLP.loc[(LCLP['借款金额'] >= 4000) & (LCLP['借款金额'] < 5000)] amountE = LCLP.loc[(LCLP['借款金额'] >= 5000) & (LCLP['借款金额'] < 6000)] amountF = LCLP.loc[(LCLP['借款金额'] >= 6000)] amountgroup = [amountA, amountB, amountC, amountD,amountE,amountF] repayhabit(amountgroup,6,amount_idx,'借款金额','Greys_r') 

[.85, ., .9, .03, ., .2506] 提前一次性 部分提前 正常 逾期 0-2000 10. 60. 16. 12. 2000-3000 10. 54. 20. 14. 3000-4000 14. 50. 21. 12. 4000-5000 14. 50. 22. 11. 5000-6000 15. 50. 23. 10. 6000+ 11. 39. 39. 9. 

在根据借款金额分组中，得到结果如下：

A组（0-2000）：总金额2.85千万。（1）一次性全部还款：占比 10.20%；（2）部分提前还款：占比60.95%；（3）正常还款：占比 16.23%； （4）逾期还款：占比 12.61%。

B组（2000-3000）：总金额 7千万。（1）一次性全部还款：占比 10.21%；（2）部分提前还款：占比54.96%；（3）正常还款：占比 20.40%； （4）逾期还款：占比 14.43%。

C组（3000-4000）：总金额 10千万。（1）一次性全部还款：占比 14.87%；（2）部分提前还款：占比50.96%；（3）正常还款：占比 21.90%； （4）逾期还款：占比 12.26%。

D组（4000-5000）：总金额 7.22千万。（1）一次性全部还：占比 14.68%；（2）部分提前还款：占比50.70%；（3）正常还款：占比 22.78%； （4）逾期还款：占比 11.85%。

E组（5000-6000）：总金额 5.11千万。（1）一次性全部还款：占比 15.70%；（2）部分提前还款：占比50.30%；（3）正常还款：占比 23.24%； （4）逾期还款：占比 10.76%。

F组（6000+）：总金额 26.92千万。（1）一次性全部还款：占比 11.69%；（2）部分提前还款：占比39.38%；（3）正常还款：占比 39.79%； （4）逾期还款：占比 9.15%。

从对借款金额分组的统计结果以及上图结果中可以看出：

（1）借款总额6000元以上最多，3000-4000其次，说明3000-4000元的借款金额是最多的。

（2）逾期风险在各金额组表现比较平均，其中2000-3000最大，6000+最小。

（3）随着标的金额增加，部分提前还款的总金额比例在减少，正常还款的总金额比例在增加。

讯享网# 分析不同年龄段用户的还款情况 ageA = LCLP.loc[(LCLP['年龄'] >= 15) & (LCLP['年龄'] < 20)] ageB = LCLP.loc[(LCLP['年龄'] >= 20) & (LCLP['年龄'] < 25)] ageC = LCLP.loc[(LCLP['年龄'] >= 25) & (LCLP['年龄'] < 30)] ageD = LCLP.loc[(LCLP['年龄'] >= 30) & (LCLP['年龄'] < 35)] ageE = LCLP.loc[(LCLP['年龄'] >= 35) & (LCLP['年龄'] < 40)] ageF = LCLP.loc[LCLP['年龄'] >= 40] agegroup = [ageA, ageB, ageC, ageD, ageE, ageF] repayhabit(agegroup,6,age_idx,'年龄','Reds_r') 

[., ., .9106, .8962, .0043, .4895] 提前一次性 部分提前 正常 逾期 15-20 10. 62. 13. 13. 20-25 13. 53. 20.048697 13. 25-30 14.002901 47. 26. 11. 30-35 12. 43. 33. 9. 35-40 10. 44. 34. 10. 40+ 10. 42. 37. 9.057432 

在年龄分组中，得到结果如下：

A组（15-20岁）：总金额0.13千万。（1）一次性全部还款：占比 10.44%；（2）部分提前还款：占比62.90%；（3）正常还款：占比 13.11%； （4）逾期还款：占比 13.55%。

B组（20-25岁）：总金额 8.60千万。（1）一次性全部还款：占比 13.43%；（2）部分提前还款：占比53.2%；（3）正常还款：占比 20.05%； （4）逾期还款：占比 13.32%。

C组（25-30岁）：总金额 20.34千万。（1）一次性全部还款：占比 14.00%；（2）部分提前还款：占比47.67%；（3）正常还款：占比 26.69%； （4）逾期还款：占比 11.64%。

D组（30-35岁）：总金额 14.94千万。（1）一次性全部还款：占比 12.36%；（2）部分提前还款：占比43.92%；（3）正常还款：占比 33.82%； （4）逾期还款：占比 9.88%。

E组（35-40岁）：总金额 8.00千万。（1）一次性全部还款：占比 10.81%；（2）部分提前还款：占比44.39%；（3）正常还款：占比 34.67%； （4）逾期还款：占比 10.13%。

F组（40岁+）：总金额 7.03千万。（1）一次性全部还款：占比 10.88%；（2）部分提前还款：占比42.85%；（3）正常还款：占比 37.21%； （4）逾期还款：占比 9.06%。

从对年龄分组的统计结果以及上图结果中可以看出：

（1）拍拍贷的客户群体中25-30岁年龄组的贷款金额最高，15-20岁最低；

（2）各年龄组的还款习惯大体一致，从金额上来说，部分提前还款和正常还款是最常用的方式；

（3）逾期还款风险最高的年龄组为15-20岁组；

（4）25-30岁年龄组一次性提前还款的金额占比最高。

讯享网# 分析不同性别用户的还款情况 male = LCLP.loc[LCLP['性别'] == "男"] female = LCLP.loc[LCLP['性别'] == "女"] sexgroup = (male,female) repayhabit(sexgroup,2,sex_idx,'性别','Greens_r') 

[.1953, .5653] 提前一次性 部分提前 正常 逾期 男 13. 45. 30.093425 10. 女 11. 48. 29. 10. 

在男女性别组中，得到结果如下：

男性：总还款金额 43.19千万。（1）一次性全部还款占比 13.16%；（2）部分提前还款占比45.78%；（3）正常还款占比 30.09%； （4）逾期还款占比10.97%。

女性：总还款金额 15.85千万。（1）一次性全部还款占比 11.42%；（2）部分提前还款占比48.64%；（3）正常还款占比29.11%； （4）逾期还款占比10.83%。

从对男女性别组的统计结果以及上图结果中可以看出：

（1）拍拍贷男性客户的贷款金额约为女性客户的2.7倍；

（2）男性及女性的还款习惯大体上比较一致，从金额上来说，部分提前还款>正常还款>一次性提前还款>逾期还款；

（3）男性客户一次性提前还款的金额占比较女性为高；

（4）女性逾期还款的风险略低于男性；

（5）女性部分提前还款的金额占比略大于男性。

讯享网# 分析不同初始评级客户的还款情况 levelgroup = [] for i in level_idx: l = LCLP[(LCLP['初始评级'] == i)] levelgroup.append(l) repayhabit(levelgroup,6,level_idx,'初始评级','Blues_r') 

[.0, .91, .2151, ., ., .95] 提前一次性 部分提前 正常 逾期 A 10. 42. 39. 6. B 7. 37. 47. 7. C 14. 49. 24. 10. D 14. 49. 21. 14. E 13. 40. 22. 22. F 10. 41. 20. 27. 

在初始评级分组中，得到结果如下：

A级：总金额2.43千万。（1）一次性全部还款：占比 10.95%；（2）部分提前还款：占比42.54%；（3）正常还款：占比 39.73%； （4）逾期还款：占比 6.78%。

B级：总金额 12.98千万。（1）一次性全部还款：占比 7.68%；（2）部分提前还款：占比37.45%；（3）正常还款：占比 47.65%； （4）逾期还款：占比 7.22%。

C级：总金额 29.27千万。（1）一次性全部还款：占比 14.19%；（2）部分提前还款：占比49.92%；（3）正常还款：占比 25.00%； （4）逾期还款：占比 10.89%。

D级：总金额 13.14千万。（1）一次性全部还款：占比 14.59%；（2）部分提前还款：占比49.27%；（3）正常还款：占比 21.85%； （4）逾期还款：占比 14.29%。

E级：总金额 1.08千万。（1）一次性全部还款：占比 13.21%；（2）部分提前还款：占比40.97%；（3）正常还款：占比 22.91%； （4）逾期还款：占比 22.91%。

F级：总金额 0.15千万。（1）一次性全部还款：占比 10.75%；（2）部分提前还款：占比41.24%；（3）正常还款：占比 20.68%； （4）逾期还款：占比 27.33%。

从对初始评级分组的统计结果可以看出：

（1）B级客户借款总额最多，占到了大约50%的金额。B、C、D级客户是借款的主力军。

（2）提前一次性还款的占比相对比较平均，其中D级最大为14.59%。

（3）逾期风险随着级别而呈总体增加趋势，F级客户的逾期占比达到了27.33%。

（4）部分提前和正常还款还是占到了大多数。

（5）总的来说，初始评级具有重要的参考意义。

讯享网# 分析不同借款类型客户的还款情况 kindgroup = [] for i in kind_idx: l = LCLP[(LCLP['借款类型'] == i)] kindgroup.append(l) repayhabit(kindgroup,4,kind_idx,'借款类型','Reds_r') 

[.47, .96, .36, .9706] 提前一次性 部分提前 正常 逾期 电商 4. 26. 62.071671 6. APP闪电 8. 61. 18. 11. 普通 17. 45.092948 26.095824 11. 其他 12. 51. 24. 11. 

在借款类型分组中，得到结果如下：

电商：总金额8.57千万。（1）一次性全部还款：占比 4.22%；（2）部分提前还款：占比26.93%；（3）正常还款：占比 62.07%； （4）逾期还款：占比 6.78%。

APP闪电：总金额 7.45千万。（1）一次性全部还款：占比 8.96%；（2）部分提前还款：占比61.13%；（3）正常还款：占比 18.68%； （4）逾期还款：占比11.24%。

普通：总金额 23.47千万。（1）一次性全部还款：占比 17.16%；（2）部分提前还款：占比45.09%；（3）正常还款：占比 26.10%； （4）逾期还款：占比 11.65%。

其他：总金额 19.56千万。（1）一次性全部还款：占比 12.46%；（2）部分提前还款：占比51.33%；（3）正常还款：占比 24.43%； （4）逾期还款：占比 11.78%。

从对借款类型分组的统计结果可以看出：

（1）普通借款类型的借款金额总数最大，其次是其他，电商和APP闪电差不多。

（2）逾期风险电商最低，为6.78%。其他三种类型差不多。

（3）部分提前和正常还款还是占到了大多数。值得注意的是除了电商，其他三种类型的部分提前还款都占比很大。

讯享网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['期数'] == i)] termgroup.append(term) repayhabit(termgroup,24,term_idx,'期数','Reds_r') 

[., .9011, ., .0, .4339, .9448, ., ., .888, .8308, .82, ., .13, ., .49, ., .11, .06, .27, .83, 64092.6, 16738.09, 6095.1, 1636.01] 提前一次性 部分提前 正常 逾期 1 11. 46. 33. 8. 2 10. 50. 28. 10. 3 13. 46. 28. 11. 4 12. 44. 29. 13. 5 10. 44. 29. 15. 6 8.034741 44. 29. 17. 7 13. 43. 22. 20.098036 8 12. 42. 23. 21. 9 9. 43. 23. 23. 10 7. 43. 23. 25. 11 5. 43. 23. 27. 12 2. 46. 21. 28. 13 16. 21. 27. 34. 14 9. 23. 24. 42. 15 8. 24. 22. 43. 16 6. 23. 24. 45. 17 2. 23. 23. 50. 18 4. 25. 19. 50. 19 3. 24. 16. 55. 20 13. 18. 10. 57. 21 11.058032 22. 11.033629 55. 22 0.000000 63. 23. 13. 23 0.000000 26. 60. 12. 24 0.000000 50.000000 50.000000 0.000000 

从对期数分组的统计结果可以看出：

（1）借款金额是随着期数增加呈现出下降的趋势。

（2）不同的还款行为在不同的借款期限下的表现差异比较大，部分提前还款和正常还款是最常用的方式；

（3）逾期风险随着借款期限变长而呈总体增加趋势，期限为20个月的逾期金额占比为最高，达到了57.30%；

（4）期限为13个月的提前一次性还款占比最高，达到了16.77%。

（5）借款期限太长的样本数量太少，不能排除偶然性。

3.计算金额催收回款率（催收回本金/所有逾期本金）

在不同等级（A-F）、不同借款期数（1-24）和不同借款金额（0-2000，2000-3000，3000-4000，4000-5000，5000-6000，6000+）等，随逾期天数增加而呈现的走势。

1）x轴为逾期天数，y轴为金额催收回款率，不同参数对应不同曲线；

2）催收回款的定义为逾期90天之内的逾期还款。

讯享网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['还款日期'] = pd.to_datetime(LCLP['还款日期'], errors='coerce') LCLP['lateday'] = LCLP['还款日期']-LCLP['到期日期'] depay = LCLP[LCLP['lateday']>timedelta(days=0)] #不同等级（A-F）随逾期天数催收还款率的走势 df = depay.groupby(['初始评级','lateday'])['应还本金'].sum() df1 = df.to_frame().pivot_table(index='lateday',columns = '初始评级', values ='应还本金') tmp = df1.fillna(0) df2 = depay.groupby(['初始评级'])['应还本金'].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() 

不同等级（A-F）随逾期天数催收还款率的走势大致相同，也就是大部分人都在逾期十天之内还款，说明他们有可能忘记还款；特别是在4、5天的还款的人数和金额最多。

#不同借款期数（1-24）随逾期天数催收还款率的走势 #由于期数为24的项目不存在逾期还款的现象，所以只对1-23进行分析 df = depay.groupby(['期数','lateday'])['应还本金'].sum() df1 = df.to_frame().pivot_table(index='lateday',columns = '期数', values ='应还本金') tmp = df1.fillna(0) df2 = depay.groupby(['期数'])['应还本金'].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() 

不同借款期数（1-24）的金额收回款率随逾期天数的趋势没有明显的规律。在12期及之前大部分人都在逾期十天之内还款，特别是在4、5天的还款的人数和金额最多。 但是13之后呈现出10天之后回款率的依然很大。也有可能是因为数据量导致异常值凸显，但是也说明了借款期数长的回款率不够稳定。

讯享网#不同借款金额随逾期天数催收还款率的走势 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['金额类型'] = depay.apply(lambda x:function(x['借款金额']),axis=1) df = depay.groupby(['金额类型','lateday'])['应还本金'].sum().copy() df1 = df.to_frame().pivot_table(index='lateday',columns = '金额类型', values ='应还本金') tmp = df1.fillna(0) df2 = depay.groupby(['金额类型'])['应还本金'].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() 

对不同借款金额对于进入催收回款率影响较大，借款金额越多，逾期的可能性就越大。

4.累积收益曲线

LCIS数据提供了该客户投资的从2015年1月1日起成交的所有标。包括投标记录和还款状况。请计算并画出该投资人从2016年9月开始到2017年2月，每月月底的累计收益曲线。

from datetime import datetime,timedelta LCIS = pd.read_csv("/home/kesci/input/ppdai2017/LCIS.csv",encoding = 'utf-8') # 计算从2016年9月至2017年2月所有的利息 def getinterest(df): df_1 = df[['ListingId','标当前状态','上次还款日期','上次还款利息']] df_1 = df_1[(df_1['标当前状态'] =='正常还款中') | (df_1['标当前状态'] =='已还清')] df_1['上次还款日期'] = df_1['上次还款日期'].where(df_1['上次还款日期'].notnull(),'2016/08/31') df_1['上次还款日期'] = pd.to_datetime(df_1['上次还款日期'], errors='coerce') df_1 = df_1[df_1['上次还款日期']>='2016-09-01'].drop_duplicates() df_1_1 = df_1.groupby(['上次还款日期'])['上次还款利息'].sum().to_frame().reset_index() return df_1_1 # 计算从2016年9月至2017年2月所有的亏损 def getloss(df): df_2 = df[['ListingId', '待还本金', '标当前状态', '上次还款日期', '下次计划还款日期', 'recorddate']] df_2 = df_2[(df_2['标当前状态']=='逾期中')] df_2['下次计划还款日期'] = pd.to_datetime(df_2['下次计划还款日期'], errors='coerce') df_2['recorddate'] = pd.to_datetime(df_2['recorddate'], errors='coerce') # 往回看90天到2016-06-03 df_2 = df_2[df_2['下次计划还款日期']>='2016-06-03'] df_2['delay'] = df_2.apply(lambda x: (x['recorddate'] - x['下次计划还款日期']).days, axis = 1) df_2_1 = df_2[df_2['delay']>=90].sort_values(['ListingId','delay']) df_2_1['date'] = df_2['下次计划还款日期'] + timedelta(days=90) df_2_2 = df_2_1.loc[df_2_1.sort_values('recorddate').iloc[:,0].drop_duplicates().index] df_2_2 = df_2_2[['date','待还本金']].groupby(['date'])['待还本金'].sum().to_frame().reset_index() return df_2_2 # 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 = '上次还款日期', right_on = 'date') df_now['待还本金'] = df_now['待还本金'].where(df_now['待还本金'].notnull(),0) df_now['差别'] = df_now['上次还款利息'] - df_now['待还本金'] return df_now def draw(df): df_now = profit(df) plt.plot(df_now['上次还款日期'], np.cumsum(df_now['差别']), label="利息") plt.title('累积收益曲线') plt.xlabel('时间') plt.ylabel('收益金额') plt.show() draw(LCIS) 

调用draw()函数，可以对任一用户的数据画出累积收益曲线。