10 期末大作业

1.选择使用什么数据，有哪些字段，多大数据量。

本次实验数据集来自和鲸社区的信用卡评分模型构建数据 ，以数据集cs-training.csv为分析主体，其中共有15万条记录，11列属性。

SeriousDlqin2yrs: 是否逾期。
RevolvingUtilizationOfUnsecuredLines：信用卡和个人信贷额度的总余额
age：年龄
NumberOfTime30-59DaysPastDueNotWorse：过去2年，借款人逾期30-59天的次数
DebtRatio：负债比率
MonthlyIncome：月收入
NumberOfOpenCreditLinesAndLoans：未偿还贷款数量（汽车贷款或抵押贷款等分期付款）和信贷额度（如信用卡）。
NumberOfTimes90DaysLate：借款人逾期90天或以上的次数。
NumberRealEstateLoansOrLines：抵押贷款和房地产贷款的数量。
NumberOfTime60-89DaysPastDueNotWorse：过去2年，借款人逾期60-89天的次数
NumberOfDependents：家庭中的家属人数（配偶，子女等）。

2.准备分析哪些问题？（8个以上）

（1）读取HDFS文件系统中的数据文件，生成DataFrame
（2）修改列名
（3）本次信用卡逾期的总体统计
（4）年龄与本次信用卡逾期的结合统计
（5）两次逾期记录与本次信用卡逾期的结合统计
（6）房产抵押数量与本次信用卡逾期的结合统计
（7）家属人数与本次信用卡逾期的结合统计
（8）月收入与本次信用卡逾期的结合统计

3.当前进展。

已完成70%左右