【说明】bins.Bins类

本站原创文章，转载请说明来自《老饼讲解-机器学习》www.bbbdata.com

bins.Bins - 分箱类函数(单变量)

bins.Bins是单个变量的分箱类对象，它用单个变量的分箱配置进行初始化

一、类的初始化

bins.Bins类完整的初始化格式如下：

b = bins.Bins(bin_set,with_null=False,with_other=False)

1. 入参说明

• bin_set：单个变量的分箱配置，格式详见《》

         数据类型：list

• with_null：是否默认增加一个"空"分箱

     数据类型：bool

• with_other：是否默认增加一个"其它"分箱

     数据类型：bool

简单来说，就是如果with_null=True，即使bin_set中没有配置空值，也会将空值作为一个独立分箱

类似地，with_other=True，就是即使bin_set中没有配置'_others'，也会"其它"作为一个独立分箱

二、类的属性与方法

2.1. 类的属性

在初始化完bins.Bins类后，它有如下的属性：

• bin_set : 分箱配置

  数据类型：list

• bin_range : 分箱的范围

  数据类型：dict

• bin_desc   : 分箱描述

  数据类型：pandas.DataFrame

• bin_desc_dict  : 分箱描述(字典格式)

  数据类型：dict

2.1. 类的方法

在初始化完bins.Bins类后，它有如下的方法：

binStat：分布统计函数

binStat用于统计样本数据在分箱上的分布，完整调用格式如下：

bin_stat = b.binStat(x,y)  # 这里的b指的是一个bins.Bins类

binStat-入参说明：

• x：单个变量的样本数据

         数据类型：单列pandas.core.series

• y：样本的标签

     数据类型：单列pandas.core.series

binStat-出参说明：

• bin_stat：样本在分箱上的分布统计

binStat共7列，它是形式如下的DataFrame：

即样本在每个分箱上的组号、描述、总个数、坏样本个数、好样本个数、IV和badRate，以及总计信息

三、使用示例

bins.Bins类使用示例如下：

• 示例一：Bins类的一般使用（初始化、属性与方法）

import bbbrisk as br					
           
# 加载数据                    
data = br.datasets.load_bloan_grp()                               # 加载数据
x,y  = data['rev'],data['is_bad']                                 # 变量与标签

# 初始化分箱类
bin_set = [['-',0.1],[0.1,1.2],[1.2,2],[2,'+']]
b       = br.bins.Bins(bin_set,with_null=False,with_other=False)  # 将分箱初始化为分箱Bins类

# 打印分箱类的属性				           
print('\n* bin_set(分箱配置):\n',b.bin_set )                      # 显示转换后的分组数据
print('\n* bin_range(分箱范围):\n',b.bin_range )                  # 显示转换后的分组数据
print('\n* bin_desc(分箱描述):\n',b.bin_desc )                    # 显示转换后的分组数据
print('\n* bin_desc_dict(分箱描述字典):\n',b.bin_desc_dict )      # 显示转换后的分组数据

# 统计样本在分箱上的分布
bin_stat = b.binStat(x,y)                                         # 用Bins类来统计x,y在分箱上的分布
br.display.pd.set(width=300,max_colwidth=30,max_rows=30)          # 美化pandas的显示方式
print('\n* 样本在分箱的分布:\n',bin_stat)                         # 显示样本分布

运行结果如下：

从上述代码与结果可以看到，bin.Bins类主要用于将分箱配置转换为分箱类

转换为分箱类后，就可以看到它每个分箱的范围、描述等信息

并可以使用binStat方法来统计出样本在该分箱上的分布情况，以及iv、badRate等

特别地，代码中加入了br.display.pd.set来美化DataFrame的显示效果，这是因为分箱统计内容往往过多，直接打印显示不美观

• 示例二：Bins类的with_null参数

import bbbrisk as br					
           
# 加载数据                    
data = br.datasets.load_bloan_grp()                               # 加载数据
x,y  = data['rev'],data['is_bad']                                 # 变量与标签

# 未配置None时,with_null=True的效果
bin_set = [['-',0.1],[0.1,1.2],[1.2,2],[2,'+']]                   # 分箱配置,不处理了None
b       = br.bins.Bins(bin_set,with_null=True,with_other=False)   # 将分箱初始化为分箱Bins类
bin_stat = b.binStat(x,y)                                         # 统计样本在分箱上的分布
print('\n* 未配置None时:\n',bin_stat)                             # 显示样本分布

# 已配置None时,with_null=True的效果
bin_set = [(['-',0.1],None),[0.1,1.2],[1.2,2],[2,'+']]            # 分箱配置,处理了None
b       = br.bins.Bins(bin_set,with_null=True,with_other=False)   # 将分箱初始化为分箱Bins类
bin_stat = b.binStat(x,y)                                         # 统计样本在分箱上的分布
print('\n* 已配置None时:\n',bin_stat)                             # 显示样本分布

运行结果如下：

只要设置with_null=True，不管分箱配置有没有处理空值，最终都会处理空值

从结果中可以看到，当分箱配置没有None时，会添加一个None分箱

当分箱配置已经有None时（本例中将None设置在第一个分箱），则不作处理

• 示例三：Bins类的with_other参数

import bbbrisk as br					
           
# 加载数据                    
data = br.datasets.load_bloan_grp()                               # 加载数据
x,y  = data['rev'],data['is_bad']                                 # 变量与标签

# 未配置other时,with_other=True的效果
bin_set  = [['-',0.1],[0.1,1.2],[1.2,2],[2,'+']]                  # 分箱配置,不处理other
b        = br.bins.Bins(bin_set,with_null=False,with_other=True)  # 将分箱初始化为分箱Bins类
bin_stat = b.binStat(x,y)                                         # 统计样本在分箱上的分布
print('\n* 未配置other时:\n',bin_stat)                            # 显示样本分布

# 已配置other时,with_other=True的效果
bin_set  = [(['-',0.1],'_other'),[0.1,1.2],[1.2,2],[2,'+']]       # 分箱配置,处理了other
b        = br.bins.Bins(bin_set,with_null=False,with_other=True)  # 将分箱初始化为分箱Bins类
bin_stat = b.binStat(x,y)                                         # 统计样本在分箱上的分布
print('\n* 已配置other时:\n',bin_stat)                            # 显示样本分布

运行结果如下：

with_other与with_null是类似的

只要设置with_other=True，不管分箱配置有没有处理"其它值"，最终都会处理"其它值"

从结果中可以看到，当分箱配置没有'_other'时，会添加一个'_other'分箱

当分箱配置已经有'_other'时（本例中将'_other'设置在第一个分箱），则不作处理

好了，以上就是bins.Bins类函数的使用方法了~

 End