花呗数据挖掘-破产情况分析
我也是刚开始学习数据分析，所以直方图、柱形图、折线图这些也是挺蒙圈的，看视频学学这个花呗模型还不错
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.style as psl #绘图风格
# % matplotlib inline #魔法函数，在其他IDE中可能是必须的
psl.use('seaborn-bright')
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体：解决plot不能显示中文问题
#构建税率计算函数
def tax(salary):
if salary<=3500:
tax=0
elif salary<=(3500+1500):
tax=(salary-3500)*0.03
elif salary<=(3500+1500+3000):
tax=1500*0.03+(salary-3500-1000)*0.1
elif salary<=(3500+1000+3000+4500):
tax=1500*0.3+3000*0.1+(salary-3500-1000-3000)*0.2
elif salary<=(3500+1000+3000+4500+26000):
tax=1500*0.03+3000*0.1+4500*0.2+(salary-3500-1000-3000-4500)*0.25
elif salary<=(3500+1000+3000+4500+26000+20000):
tax=1500*0.03+3000*0.1+4500*0.2+26000*0.25+(salary-3500-1000-3000-4500-26000)*0.3
elif salary<=(3500+1000+3000+4500+26000+20000+25000):
tax=1500*0.03+3000*0.1+4500*0.2+26000*0.2+20000*0.25+(salary-3500-1000-3000-4500-26000-25000)*0.35
else:
tax=1500*0.03+3000*0.1+4500*0.2+26000*0.2+20000*0.25+25000*0.3+(salary-3500-1000-3000-4500-26000-25000)*0.45
return tax
#构建五险一金函数
def insurance(salary):
if salary<21396:
return salary*0.175
else:
return 3744.58
#构建奖金随机函数
def bonus(bonus_avg):
#Series是一种类似于一维数组的对象,这里生成Series对象
return pd.Series(np.random.normal(loc=bonus_avg,scale=200,size=120))
#随机生成120个以平均工资为bonus_avg为正态分布的数，200为标准差，决定瘦胖,loc为均值
# psl.use('seaborn-bright') #使用何种样式
# print(bonus(1500))
# plt.title('直方图')
# plt.hist(bonus(1500),bins=30)
#bins是一个整数，它定义了x宽度范围内的等宽面元数量,如果bin是序列，它定义了允许非均匀bin宽度的bin边缘
# plt.show()
#构建月净收入函数
#净收入=月薪+奖金-五险一金-个人所得税
def final_income(month,bonus_avg):
df=pd.DataFrame({
'月薪':[month for i in range(120)],
'奖金':bonus(bonus_avg),
'五险一金':[insurance(month) for j in range(120)],
'个人所得税':[tax(month) for k in range(120)],
})
df['月净收入']=df['月薪']+df['奖金']-df['五险一金']-df['个人所得税']
return df
# result=final_income(4500,1000)
# print(result.head())
# result['月净收入'].iloc[:12].plot(kind='bar',figsize=(12,4))
# plt.title('前12个月净收入')
# plt.show()
#每月支出=基本生活支出+购物支出+娱乐支出+学习支出+其他支出
def expense():
df=pd.DataFrame({
'基本生活支出':pd.Series(np.random.randint(3000,3500,size=120)),#生成在3000-3500范围内的数值
'购物支出':pd.Series(np.random.normal(loc=5000,scale=500,size=120)),
'娱乐支出':pd.Series(np.random.randint(400,1200,size=120)),#生成在400-1200范围内的数值
'学习支出':pd.Series(np.random.randint(100,500,size=120)),
'其他支出':pd.Series(np.random.normal(loc=500,scale=40,size=120)),
})
df['月总支出']=df['基本生活支出']+df['购物支出']+df['娱乐支出']+df['学习支出']+df['其他支出']
return df
# result=expense()
# result[['基本生活支出','购物支出','娱乐支出','学习支出','其他支出']].iloc[:12].plot.bar(figsize=(12,4),colormap='Reds_r',stacked=True)
#柱形图长度为月总支出，因为是前几个的长度相加所得！
# plt.show()
#花呗还款情况分析
#第一回合：不使用分期
def case_a():
income=final_income(10000,1500)['月净收入'].tolist()
expen=expense()['月总支出'].tolist()
saving=[0 for i in range(120)] #月初余额
debt=[0 for j in range(120)] #本月需还花呗
data=[] #存储本月信息
for i in range(120):
money=income[i]+saving[i]-expen[i]-debt[i] #本月剩下的钱
if (-money)>15000:
print('第%i个月破产了！！！'%i)
break
else:
if money>=0:
#说明有余额，存的了钱
saving[i+1]=money
debt[i+1]=0 #负债为0
else:
#说明需要用花呗借钱
saving[i+1]=0
debt[i+1]=(-money) #需要用花呗借的钱
data.append([income[i],expen[i],debt[i],saving[i+1],debt[i+1]]) #本月收入，支出，本月余额，本月欠款
resule_a=pd.DataFrame(data,columns=['月收入','月支出','本月需还花呗','本月余额','本月欠款'])
resule_a.index.name='月份'
return resule_a
#第二回合：花呗分期
def case_b(n):
income=final_income(10000,1500)['月净收入'].tolist()
expen=expense()['月总支出'].tolist()
saving=[0 for i in range(120)] #月初余额
debt=[0 for j in range(120)] #本月需还花呗
data=[] #存储本月信息
for i in range(120):
money=income[i]+saving[i]-expen[i]-debt[i] #本月剩下的钱
if (-money)>15000:
print('第%i个月破产了！！！'%i)
break
else:
if money>=0:
#说明有余额，存的了钱
saving[i+1]=money
debt[i+1]=0 #负债为0
else:
#说明需要用花呗借钱
if n==3:
money_pre=(abs(money)*(1+0.025))/3 #下个月要还的花呗
debt[i+1]=debt[i+1]+money_pre #假设分期3个月
debt[i+2]=debt[i+2]+money_pre
debt[i+3]=debt[i+3]+money_pre
elif n==6:
money_pre = (abs(money) * (1 + 0.045)) / 6 # 下个月要还的花呗
debt[i + 1] = debt[i + 1] + money_pre # 假设分期6个月
debt[i + 2] = debt[i + 2] + money_pre
debt[i + 3] = debt[i + 3] + money_pre
debt[i + 4] = debt[i + 4] + money_pre
debt[i + 5] = debt[i + 5] + money_pre
debt[i + 6] = debt[i + 6] + money_pre
elif n==9:
money_pre = (abs(money) * (1 + 0.065)) / 9 # 下个月要还的花呗
debt[i + 1] = debt[i + 1] + money_pre # 假设分期9个月
debt[i + 2] = debt[i + 2] + money_pre
debt[i + 3] = debt[i + 3] + money_pre
debt[i + 4] = debt[i + 4] + money_pre
debt[i + 5] = debt[i + 5] + money_pre
debt[i + 6] = debt[i + 6] + money_pre
debt[i + 7] = debt[i + 7] + money_pre
debt[i + 8] = debt[i + 8] + money_pre
debt[i + 9] = debt[i + 9] + money_pre
else:
money_pre = (abs(money) * (1 + 0.088)) / 12 # 下个月要还的花呗
debt[i + 1] = debt[i + 1] + money_pre # 假设分期12个月
debt[i + 2] = debt[i + 2] + money_pre
debt[i + 3] = debt[i + 3] + money_pre
debt[i + 4] = debt[i + 4] + money_pre
debt[i + 5] = debt[i + 5] + money_pre
debt[i + 6] = debt[i + 6] + money_pre
debt[i + 7] = debt[i + 7] + money_pre
debt[i + 8] = debt[i + 8] + money_pre
debt[i + 9] = debt[i + 9] + money_pre
debt[i + 10] = debt[i + 10] + money_pre
debt[i + 11] = debt[i + 11] + money_pre
debt[i + 12] = debt[i + 12] + money_pre
saving[i + 1] = 0
data.append([income[i],expen[i],debt[i],saving[i+1],debt[i+1]]) #本月收入，支出，本月余额，本月欠款
resule_a=pd.DataFrame(data,columns=['月收入','月支出','本月需还花呗','本月余额','本月欠款'])
resule_a.index.name='月份'
return resule_a
#一万次模拟
def similar():
month=[]
for p in range(10000):
month.append(case_b(12).index.max()+1) #添加最大索引再加一，也就是破产月份
month=pd.DataFrame(month,columns=['月份'])
month.plot.hist(figsize=(12,4))
plt.show()
#使用花呗情况比较
r1=case_a()['本月欠款']
r2=case_b(3)['本月欠款']
r3=case_b(6)['本月欠款']
r4=case_b(9)['本月欠款']
r5=case_b(12)['本月欠款']
result_b=pd.DataFrame({'不分期':r1,'分期3月':r2,'分期6月':r3,'分期9月':r4,'分期12月':r5},
columns=['不分期','分期3月','分期6月','分期9月','分期12月'])
#生成折线图
result_b.plot.line(alpha=0.8,style='--',colormap='Accent',figsize=(12,4),use_index=True,legend=True)
plt.title('不同情况下的破产情况')
plt.show()
