Python Bokeh可视化分析：贷款利率与违约率关系

本示例使用Python的Bokeh库对贷款利率（lending_rate3m）和违约率（default: job）进行可视化分析，探索两者之间的关系。

代码示例

from bokeh.plotting import figure, show, output_file
import numpy as np
import pandas as pd

# 读取数据
df = pd.read_csv('train.csv')
test = pd.read_csv('test.csv')

# 提取lending_rate3m和default: job列
data = df[['lending_rate3m', 'default: job']]

# 统计default: job的数量
job_counts = data['default: job'].value_counts()

# 创建绘图对象
p = figure(title='贷款利率与违约率关系', x_axis_label='贷款利率 (lending_rate3m)', y_axis_label='违约数量')

# 绘制散点图
p.circle(data['lending_rate3m'], data['default: job'], size=5)

# 添加平均线
p.line([np.mean(data['lending_rate3m']), np.mean(data['lending_rate3m'])], [0, job_counts[1]], line_width=2, line_color='red')

# 设置输出文件名
output_file('lending_rate3m_vs_default_job.html')

# 显示图形
show(p)

解释

• 代码首先读取数据，并提取所需的列。
• 然后，使用value_counts()函数统计违约情况的数量。
• 接下来，创建一个绘图对象，并设置标题和轴标签。
• 使用circle()函数绘制散点图，展示贷款利率和违约率之间的关系。
• 使用line()函数添加一条垂直线，表示贷款利率的平均值。
• 最后，设置输出文件名，并使用show()函数显示图形。

通过该可视化分析，可以直观地观察贷款利率和违约率之间的关系，为进一步的分析和决策提供依据。