博客

最近上传了一个变量分箱的方法到pypi，这个包主要有以下说明：

1. 缺失值单独一箱，不论缺失的数量多少；
2. 生成的分箱woe值是单调的，后续有时间会迭代U型分箱的版本；
3. 会有分箱最小样本数占比，类似决策树的最小叶节点占比；
4. 分箱成功的变量才会保留，有可能失败的情况是找不出同时满足上述2和3的分箱；
5. 增加了多进程，提升分箱速度
6. 除了Iv以外，增加变量切分的其他算法：alg_method = ‘iv’ , ‘gini’和’entropy’

具体的变量分箱原理见

之前的博客

。

可以通过pip install woe-bin 安装。最新版本1.0.2

应用范例如下：

1、连续变量：

from woe_bin import woe_bin

wb = woe_bin(indata=dtrain, target='target', min_group_rate=0.05, max_bin=6, bin_method='mono', alg_method='iv')
mapiv = wb.split_data()
mapiv1 = mapiv[mapiv['iv'] >= 0.02]
#转为woe格式
w_tab = wb.apply_woetab(dtrain, mapiv1)

2、类别变量：

from woe_bin import woe_bin
wb = woe_bin(indata=dtrain, target='target', min_group_rate=0.05, max_bin=6)
cate_mapiv, cate_mapdict = wb.split_data_cate()
cate_woetab = wb.apply_woetab_cate(dtrain, cate_mapdict)

cate_mapiv：记录类别变量初始替换成woe后，连续变量的分箱

cate_mapdict： 记录类别变量原值与最终woe的映射

对类别变量的分箱只是做为参考，最终还是要根据业务来调整下分箱。