金融數(shù)據(jù)可視化項(xiàng)目實(shí)戰(zhàn)數(shù)據(jù)可視化技術(shù)與應(yīng)用項(xiàng)目導(dǎo)讀

作為金融機(jī)構(gòu)，金融數(shù)據(jù)可視化項(xiàng)目實(shí)戰(zhàn)能夠?yàn)榻鹑跈C(jī)構(gòu)提供幫助。該模塊旨在通過(guò)可視化的方式展示金融相關(guān)數(shù)據(jù)，包括年齡與住房貸款相關(guān)性數(shù)據(jù)、工作類(lèi)型與住房貸款違約情況數(shù)據(jù)，以及信用卡客戶(hù)數(shù)據(jù)。通過(guò)收集和整理這些數(shù)據(jù)，并利用數(shù)據(jù)可視化技術(shù)，可以將其以金字塔圖和旭日?qǐng)D的形式展示出來(lái)，以便人們更好地分析與金融相關(guān)的信息。項(xiàng)目導(dǎo)讀01風(fēng)險(xiǎn)管理和信用評(píng)估03業(yè)務(wù)決策支持02產(chǎn)品定位和市場(chǎng)拓展利用可視化技術(shù)展示年齡與住房貸款相關(guān)性數(shù)據(jù)、工作類(lèi)型與住房貸款違約情況數(shù)據(jù)，以及信用卡客戶(hù)數(shù)據(jù)，金融機(jī)構(gòu)可以更直觀地了解不同因素對(duì)風(fēng)險(xiǎn)管理和信用評(píng)估的影響。這有助于金融機(jī)構(gòu)準(zhǔn)確評(píng)估客戶(hù)的信用風(fēng)險(xiǎn)，并采取相應(yīng)的風(fēng)險(xiǎn)控制措施，提高貸款和信用卡業(yè)務(wù)的風(fēng)險(xiǎn)管理能力。通過(guò)金融數(shù)據(jù)的可視化，金融機(jī)構(gòu)可以更好地了解不同年齡段客戶(hù)對(duì)住房貸款和信用卡的需求和偏好。這有助于金融機(jī)構(gòu)優(yōu)化產(chǎn)品定位和市場(chǎng)拓展策略，針對(duì)不同客戶(hù)群體提供定制化的金融產(chǎn)品和服務(wù)，提高客戶(hù)滿(mǎn)意度和市場(chǎng)占有率。研究金融數(shù)據(jù)的可視化將為金融機(jī)構(gòu)提供有價(jià)值的業(yè)務(wù)決策支持。通過(guò)分析年齡與住房貸款相關(guān)性數(shù)據(jù)、工作類(lèi)型與住房貸款違約情況數(shù)據(jù)，以及信用卡客戶(hù)數(shù)據(jù)，可以評(píng)估不同因素對(duì)金融業(yè)務(wù)的影響，制定更精準(zhǔn)的業(yè)務(wù)策略，提升業(yè)務(wù)效益和競(jìng)爭(zhēng)力。項(xiàng)目目標(biāo)學(xué)習(xí)目標(biāo)能力目標(biāo)素養(yǎng)目標(biāo)掌握可視化金字塔圖的繪制和代碼掌握可視化旭日?qǐng)D的繪制和代碼能區(qū)分旭日?qǐng)D和餅狀圖的異同通過(guò)金融數(shù)據(jù)可視化培養(yǎng)學(xué)生未雨綢繆、居安思危的精神通過(guò)信用客戶(hù)數(shù)據(jù)可視化培養(yǎng)學(xué)生適度消費(fèi)的習(xí)慣年齡與住房貸款相關(guān)性數(shù)據(jù)可視化項(xiàng)目實(shí)戰(zhàn)工作類(lèi)型與住房貸款、個(gè)人貸款數(shù)據(jù)可視化項(xiàng)目實(shí)戰(zhàn)信用卡客戶(hù)數(shù)據(jù)可視化項(xiàng)目實(shí)戰(zhàn)010302總結(jié)與建議04目錄CONCENTS7-1年齡與住房貸款相關(guān)性數(shù)據(jù)可視化項(xiàng)目實(shí)戰(zhàn)過(guò)濾年齡與住房貸款相關(guān)性數(shù)據(jù)的異常值使用金字塔圖進(jìn)行數(shù)據(jù)的可視化分析0102目錄CONCENTS7-1-1過(guò)濾年齡與住房貸款相關(guān)性數(shù)據(jù)的異常值過(guò)濾年齡與住房貸款相關(guān)性數(shù)據(jù)的異常值-數(shù)據(jù)概述

素材與案例＼項(xiàng)目７＼數(shù)據(jù)集＼銀行數(shù)據(jù)集.CSV過(guò)濾年齡與住房貸款相關(guān)性數(shù)據(jù)的異常值-數(shù)據(jù)概述過(guò)濾年齡與住房貸款相關(guān)性數(shù)據(jù)的異常值-數(shù)據(jù)概述過(guò)濾年齡與住房貸款相關(guān)性數(shù)據(jù)的異常值-年齡異常值importpandasaspdimportnumpyasnpdf=pd.read_csv(r'C:\Users\Administrator\Desktop\銀行數(shù)據(jù)集.csv')#定義一個(gè)函數(shù)來(lái)檢查數(shù)值是否異常defcheck_value(value):mean=np.mean(df['age'])std_dev=np.std(df['age'])ifvalue>(mean+3*std_dev)orvalue<(mean-3*std_dev):returnTrueelse:returnFalsefiltered_df=df.apply(lambdax:xifnotcheck_value(x['age'])elseNone,axis=1)filtered_df=filtered_df.dropna()num_rows_with_outliers=df.shape[0]-filtered_df.shape[0]print("異常值的行數(shù)：",num_rows_with_outliers)filtered_df.to_csv(r'C:\Users\Administrator\Desktop\filtered_銀行數(shù)據(jù)集.csv',index=False)代碼如下：7-1-2使用金字塔圖進(jìn)行數(shù)據(jù)的可視化分析使用金字塔圖進(jìn)行數(shù)據(jù)的可視化分析-金字塔圖金字塔圖是一種圖表類(lèi)型，其獨(dú)特的結(jié)構(gòu)以視覺(jué)分層的方式展示信息，通常用于呈現(xiàn)層次結(jié)構(gòu)、流程、數(shù)據(jù)比例關(guān)系或組織結(jié)構(gòu)等。這種圖表的中間層是最寬的，象征著最大的數(shù)據(jù)集合或基礎(chǔ)層，而金字塔向上、向下逐漸變窄，每個(gè)上層或者下層代表著數(shù)據(jù)集合一個(gè)更小、更細(xì)分的部分。使用金字塔圖進(jìn)行數(shù)據(jù)的可視化分析-代碼實(shí)現(xiàn)importpandasaspdimportplotly.graph_objectsasgo#讀取CSV文件data=pd.read_csv(r'C:\Users\Meng\Desktop\filtered_銀行數(shù)據(jù)集.csv')#篩選出“housing”列取值為“yes”的行yes_data=data[data['housing']=='yes']#統(tǒng)計(jì)“age”列對(duì)應(yīng)的“housing”列為“yes”值的情況yes_age_counts=yes_data['age'].value_counts().sort_index()/2代碼如下：使用金字塔圖進(jìn)行數(shù)據(jù)的可視化分析-代碼實(shí)現(xiàn)#創(chuàng)建金字塔圖fig=go.Figure()#添加右半部分的條形圖fig.add_trace(go.Bar(y=yes_age_counts.index,x=yes_age_counts.values,orientation='h',text=abs(yes_age_counts.values)*2,textposition='outside',marker=dict(color='steelblue'),showlegend=False#不顯示圖例))代碼如下：使用金字塔圖進(jìn)行數(shù)據(jù)的可視化分析-代碼實(shí)現(xiàn)#添加左半部分的條形圖fig.add_trace(go.Bar(y=yes_age_counts.index,x=-yes_age_counts.values,#使用負(fù)值反轉(zhuǎn)條形的方向

orientation='h',textposition='auto',marker=dict(color='steelblue'),showlegend=False#不顯示圖例))代碼如下：使用金字塔圖進(jìn)行數(shù)據(jù)的可視化分析-代碼實(shí)現(xiàn)fig.update_layout(barmode='overlay',#使用覆蓋模式疊加兩個(gè)條形圖yaxis=dict(title='年齡',#設(shè)置縱坐標(biāo)軸標(biāo)題tickvals=yes_age_counts.index[::2],#設(shè)置y軸刻度位置，每隔2個(gè)值顯示一個(gè)刻度ticktext=yes_age_counts.index[::2]#設(shè)置y軸刻度標(biāo)簽，與刻度位置一一對(duì)應(yīng)),xaxis=dict(title='數(shù)量（單位：人）'),#設(shè)置橫坐標(biāo)軸標(biāo)題title=dict(text='不同年齡的房貸人數(shù)',#設(shè)置圖表標(biāo)題文本x=0.5,#將標(biāo)題水平居中y=0.95#將標(biāo)題相對(duì)于圖表頂部略微向下移動(dòng)))fig.show()代碼如下：7-2工作類(lèi)型與住房貸款、個(gè)人貸款數(shù)據(jù)可視化項(xiàng)目實(shí)戰(zhàn)工作類(lèi)型與住房貸款、個(gè)人貸款數(shù)據(jù)的操作使用旭日?qǐng)D進(jìn)行數(shù)據(jù)的可視化分析0102目錄CONCENTS工作類(lèi)型與住房貸款、個(gè)人貸款數(shù)據(jù)的操作7-2-1工作類(lèi)型與住房貸款、個(gè)人貸款數(shù)據(jù)的操作importpandasaspd#讀取CSV文件data=pd.read_csv(r'C:\Users\Administrator\Desktop\銀行數(shù)據(jù)集.csv')#檢查“housing”列和“l(fā)oan”列的取值是否合法invalid_values=data[~data['housing'].isin(['yes','no','unknown'])|~data['loan'].isin(['yes','no','unknown'])]ifnotinvalid_values.empty:print("存在異常值的行：")print(invalid_values.index)else:print("沒(méi)有異常值")異常值處理使用旭日?qǐng)D進(jìn)行數(shù)據(jù)的可視化分析7-2-2使用旭日?qǐng)D進(jìn)行數(shù)據(jù)的可視化分析-旭日?qǐng)D旭日?qǐng)D是一種環(huán)形的層級(jí)結(jié)構(gòu)圖，用于可視化層級(jí)關(guān)系及各層級(jí)在整體中的比例關(guān)系。它通過(guò)嵌套的環(huán)形區(qū)塊來(lái)表示層級(jí)結(jié)構(gòu)，每個(gè)環(huán)形區(qū)塊的大小表示該層級(jí)在整體中的占比，從而形成一種太陽(yáng)輻射的效果，因此得名旭日?qǐng)D。旭日?qǐng)D常用于展示層級(jí)結(jié)構(gòu)的數(shù)據(jù)，如組織架構(gòu)、分類(lèi)層次和產(chǎn)品銷(xiāo)售結(jié)構(gòu)等。它能夠以一種直觀而美觀的方式呈現(xiàn)數(shù)據(jù)，幫助人們更好地理解數(shù)據(jù)的層級(jí)關(guān)系和比例關(guān)系，從而支持?jǐn)?shù)據(jù)分析、決策和溝通。環(huán)塊內(nèi)環(huán)外環(huán)使用旭日?qǐng)D進(jìn)行數(shù)據(jù)的可視化分析-工作類(lèi)型與住房貸款相關(guān)性importplotly.expressaspx#讀取CSV文件data=pd.read_csv(r'./filtered_銀行數(shù)據(jù)集.csv')#根據(jù)職業(yè)（job）、住房貸款（housing列進(jìn)行分組統(tǒng)計(jì)job_loan_housing_count=data.groupby(['job','housing']).size().unstack().fillna(0).stack().reset_index(name='count')job_loan_housing_count.head()代碼如下：使用旭日?qǐng)D進(jìn)行數(shù)據(jù)的可視化分析-工作類(lèi)型與住房貸款相關(guān)性fig=px.sunburst(job_loan_housing_count,

path=['job','housing'],values='count',color='housing',color_discrete_map={'yes':'green','no':'red','unknown':'grey'})#設(shè)置圖表布局fig.update_layout(title={'text':'工作類(lèi)型與住房貸款相關(guān)性','x':0.5},)#顯示圖表fig.show()代碼如下：使用旭日?qǐng)D進(jìn)行數(shù)據(jù)的可視化分析-importplotly.expressaspx#讀取CSV文件data=pd.read_csv(r'./filtered_銀行數(shù)據(jù)集.csv')#根據(jù)職業(yè)（job）和個(gè)人貸款（loan）列進(jìn)行分組統(tǒng)計(jì)job_loan_housing_count=data.groupby(['job','loan']).size().unstack().fillna(0).stack().reset_index(name='count')job_loan_housing_count.head()工作類(lèi)型與個(gè)人貸款相關(guān)性代碼如下：使用旭日?qǐng)D進(jìn)行數(shù)據(jù)的可視化分析-工作類(lèi)型與個(gè)人貸款相關(guān)性#創(chuàng)建環(huán)形圖fig=px.sunburst(job_loan_housing_count,path=['job','loan'],values='count',color='loan',color_discrete_map={'yes':'green','no':'red','unknown':'grey'})#設(shè)置圖表布局fig.update_layout(title={'text':'工作類(lèi)型與個(gè)人貸款相關(guān)性','x':0.5},)#顯示圖表fig.show()代碼如下：7-3信用卡客戶(hù)數(shù)據(jù)可視化項(xiàng)目實(shí)戰(zhàn)信用卡客戶(hù)數(shù)據(jù)可視化項(xiàng)目實(shí)戰(zhàn)綜合實(shí)戰(zhàn)在綜合實(shí)戰(zhàn)中，需要將信用卡客戶(hù)數(shù)據(jù)以金字塔圖和旭日?qǐng)D的形式展示出來(lái)。

旭日?qǐng)D和餅狀圖的區(qū)別見(jiàn)表

７－４。信用卡客戶(hù)數(shù)據(jù)可視化項(xiàng)目實(shí)戰(zhàn)綜合實(shí)戰(zhàn)旭日?qǐng)D餅狀圖層級(jí)展示

通過(guò)嵌套的環(huán)形區(qū)塊表示多個(gè)層級(jí)之間的組織結(jié)構(gòu)，每個(gè)環(huán)形區(qū)塊代表一個(gè)層級(jí)

一個(gè)單層級(jí)的圖表，將數(shù)據(jù)劃分為不同的扇區(qū)

數(shù)據(jù)結(jié)構(gòu)

適用于展示多層級(jí)的數(shù)據(jù)結(jié)構(gòu)，通過(guò)環(huán)形的嵌套關(guān)系顯示層級(jí)關(guān)系。每個(gè)層級(jí)可以根據(jù)數(shù)據(jù)的比例進(jìn)行分割，形成多個(gè)環(huán)形區(qū)塊

適用于展示單一層級(jí)的數(shù)據(jù)，將數(shù)據(jù)按比例分割成扇區(qū)

層級(jí)關(guān)系

能夠清晰地展示多個(gè)層級(jí)之間的嵌