使用逻辑回归构建信用评分卡全流程python脚本包含：导入包、 导入数据、 EDA、 数据分箱 、特征筛选 、woe转化 、逻辑回归建模 、评分卡转换 、输出每个特征分箱对应的评分、同时包含oot也计算计算psi并详细解释每一个步骤

1. 导入包

首先，需要导入需要的包，如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn import metrics

2. 导入数据

接下来，需要导入需要使用的数据集。可以使用 pandas 中的 read_csv 方法读取 csv 文件。

data = pd.read_csv('credit.csv')

3. EDA

进行数据探索性分析（EDA），可以使用 pandas 中的 head、info、describe 等方法查看数据的基本信息，并通过 matplotlib 和 seaborn 等库进行可视化分析。

data.head()
data.info()
data.describe()
sns.countplot(x='credit', data=data)

4. 数据分箱

数据分箱是信用评分卡模型中的重要步骤，可以使用 pandas 中的 cut 和 qcut 方法对数据进行分箱。

data['age_bin'] = pd.cut(data['age'], bins=[0, 20, 30, 40, 50, 60, 70, 80, 90, 100])
data['income_bin'] = pd.qcut(data['income'], q=4)

5. 特征筛选

特征筛选是信用评分卡模型中的重要步骤，可以使用相关性、IV 值等方法进行筛选。可以使用 pandas 和 scipy 库中的相关性分析方法、IV 值计算方法。

corr = data.corr()
sns.heatmap(corr, annot=True)
from scipy.stats import chi2_contingency
def calc_iv(df, feature, target):
    lst = []
    for i in range(df[feature].nunique()):
        val = list(df[feature].unique())[i]
        lst.append([feature, val, df[df[feature] == val].count()[feature], df[(df[feature] == val) & (df[target] == 0)].count()[feature], df[(df[feature] == val) & (df[target] == 1)].count()[feature]])
    data = pd.DataFrame(lst, columns=['Variable', 'Value', 'All', 'Good', 'Bad'])
    data['Share'] = data['All'] / data['All'].sum()
    data['Bad Rate'] = data['Bad'] / data['All']
    data['Distribution Good'] = (data['All'] - data['Bad']) / (data['All'].sum() - data['Bad'].sum())
    data['Distribution Bad'] = data['Bad'] / data['Bad'].sum()
    data['WoE'] = np.log(data['Distribution Good'] / data['Distribution Bad'])
    data['IV'] = (data['WoE'] * (data['Distribution Good'] - data['Distribution Bad'])).sum()
    data = data.sort_values(by=['Variable', 'Value'], ascending=True)
    return data['IV'].values[0]
for col in data.columns.tolist():
    if col not in ['credit', 'age_bin', 'income_bin']:
        iv = calc_iv(data, col, 'credit')
        if iv < 0.1:
            data.drop(col, axis=1, inplace=True)

6. WOE 转化

WOE 转化是信用评分卡模型中的重要步骤，可以使用 pandas 中的 groupby 和 transform 方法进行转化。

def woe_transformation(df, col, target):
    total = df.groupby([col])[target].count()
    bad = df.groupby([col])[target].sum()
    good = total - bad
    woe = np.log((good / good.sum()) / (bad / bad.sum()))
    return woe
for col in data.columns.tolist():
    if col not in ['credit', 'age_bin', 'income_bin']:
        woe = woe_transformation(data, col, 'credit')
        data[col] = data[col].map(woe)

7. 逻辑回归建模

逻辑回归建模是信用评分卡模型中的重要步骤，可以使用 sklearn 中的 LogisticRegression 方法进行建模。

X = data.drop(['credit'], axis=1)
y = data['credit']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
model = LogisticRegression()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

8. 评分卡转换

评分卡转换是信用评分卡模型中的重要步骤，可以使用自定义函数进行转换。

def score_conversion(df, odds, pdo):
    factor = pdo / np.log(2)
    offset = odds / factor
    df['score'] = df['woe'] * (-factor) + offset
    df['score'] = df['score'].astype(int)
    return df

9. 输出每个特征分箱对应的评分

输出每个特征分箱对应的评分，可以使用 pandas 中的 apply 和 groupby 方法进行计算。

bins = {}
for col in data.columns.tolist():
    if col not in ['credit', 'age_bin', 'income_bin']:
        bins[col] = pd.DataFrame(data.groupby(col, as_index=True).apply(lambda x: x.name))
        bins[col].reset_index(inplace=True)
        bins[col].columns = [col, 'bin']
        bins[col] = pd.merge(bins[col], data[[col, 'woe']].drop_duplicates(), on=col, how='left')
        bins[col] = score_conversion(bins[col], odds=1.5, pdo=50)

10. 同时包含 oot 也计算，计算 psi

同时包含 oot 也计算，计算 psi，可以使用自定义函数进行计算。

def calc_psi(expected, actual, bins=10):
    breakpoints = np.arange(1, bins + 1) / bins
    expected_percents = np.histogram(expected, breakpoints)[0] / len(expected)
    actual_percents = np.histogram(actual, breakpoints)[0] / len(actual)
    psi_value = np.sum((expected_percents - actual_percents) * np.log(expected_percents / actual_percents))
    return psi_value
oot = pd.read_csv('oot.csv')
oot['age_bin'] = pd.cut(oot['age'], bins=[0, 20, 30, 40, 50, 60, 70, 80, 90, 100])
oot['income_bin'] = pd.qcut(oot['income'], q=4)
for col in data.columns.tolist():
    if col not in ['credit', 'age_bin', 'income_bin']:
        bins_oot = pd.DataFrame(oot.groupby(col, as_index=True).apply(lambda x: x.name))
        bins_oot.reset_index(inplace=True)
        bins_oot.columns = [col, 'bin']
        bins_oot = pd.merge(bins_oot, data[[col, 'woe']].drop_duplicates(), on=col, how='left')
        bins_oot = score_conversion(bins_oot, odds=1.5, pdo=50)
        psi = calc_psi(data[col], oot[col])
        print(col, psi)
``