数据可视化技术与应用(Python) 课件 项目7 金融数据可视化项目实战

金融数据可视化项目实战数据可视化技术与应用项目导读

作为金融机构，金融数据可视化项目实战能够为金融机构提供帮助。该模块旨在通过可视化的方式展示金融相关数据，包括年龄与住房贷款相关性数据、工作类型与住房贷款违约情况数据，以及信用卡客户数据。通过收集和整理这些数据，并利用数据可视化技术，可以将其以金字塔图和旭日图的形式展示出来，以便人们更好地分析与金融相关的信息。项目导读01风险管理和信用评估03业务决策支持02产品定位和市场拓展利用可视化技术展示年龄与住房贷款相关性数据、工作类型与住房贷款违约情况数据，以及信用卡客户数据，金融机构可以更直观地了解不同因素对风险管理和信用评估的影响。这有助于金融机构准确评估客户的信用风险，并采取相应的风险控制措施，提高贷款和信用卡业务的风险管理能力。通过金融数据的可视化，金融机构可以更好地了解不同年龄段客户对住房贷款和信用卡的需求和偏好。这有助于金融机构优化产品定位和市场拓展策略，针对不同客户群体提供定制化的金融产品和服务，提高客户满意度和市场占有率。研究金融数据的可视化将为金融机构提供有价值的业务决策支持。通过分析年龄与住房贷款相关性数据、工作类型与住房贷款违约情况数据，以及信用卡客户数据，可以评估不同因素对金融业务的影响，制定更精准的业务策略，提升业务效益和竞争力。项目目标学习目标能力目标素养目标掌握可视化金字塔图的绘制和代码掌握可视化旭日图的绘制和代码能区分旭日图和饼状图的异同通过金融数据可视化培养学生未雨绸缪、居安思危的精神通过信用客户数据可视化培养学生适度消费的习惯年龄与住房贷款相关性数据可视化项目实战工作类型与住房贷款、个人贷款数据可视化项目实战信用卡客户数据可视化项目实战010302总结与建议04目录CONCENTS7-1年龄与住房贷款相关性数据可视化项目实战过滤年龄与住房贷款相关性数据的异常值使用金字塔图进行数据的可视化分析0102目录CONCENTS7-1-1过滤年龄与住房贷款相关性数据的异常值过滤年龄与住房贷款相关性数据的异常值-数据概述

素材与案例＼项目７＼数据集＼银行数据集.CSV过滤年龄与住房贷款相关性数据的异常值-数据概述过滤年龄与住房贷款相关性数据的异常值-数据概述过滤年龄与住房贷款相关性数据的异常值-年龄异常值importpandasaspdimportnumpyasnpdf=pd.read_csv(r'C:\Users\Administrator\Desktop\银行数据集.csv')#定义一个函数来检查数值是否异常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("异常值的行数：",num_rows_with_outliers)filtered_df.to_csv(r'C:\Users\Administrator\Desktop\filtered_银行数据集.csv',index=False)代码如下：7-1-2使用金字塔图进行数据的可视化分析使用金字塔图进行数据的可视化分析-金字塔图金字塔图是一种图表类型，其独特的结构以视觉分层的方式展示信息，通常用于呈现层次结构、流程、数据比例关系或组织结构等。这种图表的中间层是最宽的，象征着最大的数据集合或基础层，而金字塔向上、向下逐渐变窄，每个上层或者下层代表着数据集合一个更小、更细分的部分。使用金字塔图进行数据的可视化分析-代码实现importpandasaspdimportplotly.graph_objectsasgo#读取CSV文件data=pd.read_csv(r'C:\Users\Meng\Desktop\filtered_银行数据集.csv')#筛选出“housing”列取值为“yes”的行yes_data=data[data['housing']=='yes']#统计“age”列对应的“housing”列为“yes”值的情况yes_age_counts=yes_data['age'].value_counts().sort_index()/2代码如下：使用金字塔图进行数据的可视化分析-代码实现#创建金字塔图fig=go.Figure()#添加右半部分的条形图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#不显示图例))代码如下：使用金字塔图进行数据的可视化分析-代码实现#添加左半部分的条形图fig.add_trace(go.Bar(y=yes_age_counts.index,x=-yes_age_counts.values,#使用负值反转条形的方向

orientation='h',textposition='auto',marker=dict(color='steelblue'),showlegend=False#不显示图例))代码如下：使用金字塔图进行数据的可视化分析-代码实现fig.update_layout(barmode='overlay',#使用覆盖模式叠加两个条形图yaxis=dict(title='年龄',#设置纵坐标轴标题tickvals=yes_age_counts.index[::2],#设置y轴刻度位置，每隔2个值显示一个刻度ticktext=yes_age_counts.index[::2]#设置y轴刻度标签，与刻度位置一一对应),xaxis=dict(title='数量（单位：人）'),#设置横坐标轴标题title=dict(text='不同年龄的房贷人数',#设置图表标题文本x=0.5,#将标题水平居中y=0.95#将标题相对于图表顶部略微向下移动))fig.show()代码如下：7-2工作类型与住房贷款、个人贷款数据可视化项目实战工作类型与住房贷款、个人贷款数据的操作使用旭日图进行数据的可视化分析0102目录CONCENTS工作类型与住房贷款、个人贷款数据的操作7-2-1工作类型与住房贷款、个人贷款数据的操作importpandasaspd#读取CSV文件data=pd.read_csv(r'C:\Users\Administrator\Desktop\银行数据集.csv')#检查“housing”列和“loan”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("存在异常值的行：")print(invalid_values.index)else:print("没有异常值")异常值处理使用旭日图进行数据的可视化分析7-2-2使用旭日图进行数据的可视化分析-旭日图旭日图是一种环形的层级结构图，用于可视化层级关系及各层级在整体中的比例关系。它通过嵌套的环形区块来表示层级结构，每个环形区块的大小表示该层级在整体中的占比，从而形成一种太阳辐射的效果，因此得名旭日图。旭日图常用于展示层级结构的数据，如组织架构、分类层次和产品销售结构等。它能够以一种直观而美观的方式呈现数据，帮助人们更好地理解数据的层级关系和比例关系，从而支持数据分析、决策和沟通。环块内环外环使用旭日图进行数据的可视化分析-工作类型与住房贷款相关性importplotly.expressaspx#读取CSV文件data=pd.read_csv(r'./filtered_银行数据集.csv')#根据职业（job）、住房贷款（housing列进行分组统计job_loan_housing_count=data.groupby(['job','housing']).size().unstack().fillna(0).stack().reset_index(name='count')job_loan_housing_count.head()代码如下：使用旭日图进行数据的可视化分析-工作类型与住房贷款相关性fig=px.sunburst(job_loan_housing_count,

path=['job','housing'],values='count',color='housing',color_discrete_map={'yes':'green','no':'red','unknown':'grey'})#设置图表布局fig.update_layout(title={'text':'工作类型与住房贷款相关性','x':0.5},)#显示图表fig.show()代码如下：使用旭日图进行数据的可视化分析-importplotly.expressaspx#读取CSV文件data=pd.read_csv(r'./filtered_银行数据集.csv')#根据职业（job）和个人贷款（loan）列进行分组统计job_loan_housing_count=data.groupby(['job','loan']).size().unstack().fillna(0).stack().reset_index(name='count')job_loan_housing_count.head()工作类型与个人贷款相关性代码如下：使用旭日图进行数据的可视化分析-工作类型与个人贷款相关性#创建环形图fig=px.sunburst(job_loan_housing_count,path=['job','loan'],values='count',color='loan',color_discrete_map={'yes':'green','no':'red','unknown':'grey'})#设置图表布局fig.update_layout(title={'text':'工作类型与个人贷款相关性','x':0.5},)#显示图表fig.show()代码如下：7-3信用卡客户数据可视化项目实战信用卡客户数据可视化项目实战综合实战在综合实战中，需要将信用卡客户数据以金字塔图和旭日图的形式展示出来。

旭日图和饼状图的区别见表

７－４。信用卡客户数据可视化项目实战综合实战旭日图饼状图层级展示

通过嵌套的环形区块表示多个层级之间的组织结构，每个环形区块代表一个层级

一个单层级的图表，将数据划分为不同的扇区

数据结构

适用于展示多层级的数据结构，通过环形的嵌套关系显示层级关系。每个层级可以根据数据的比例进行分割，形成多个环形区块

适用于展示单一层级的数据，将数据按比例分割成扇区

层级关系

能够清晰地展示多个层级之间的嵌