Python計算IV值的示例講解

在對變量分箱后，需要計算變量的重要性，IV是評估變量區分度或重要性的統計量之一，python計算IV值的代碼如下：

def CalcIV(Xvar, Yvar): 
 N_0 = np.sum(Yvar==0)
 N_1 = np.sum(Yvar==1)
 N_0_group = np.zeros(np.unique(Xvar).shape)
 N_1_group = np.zeros(np.unique(Xvar).shape)
 for i in range(len(np.unique(Xvar))):
  N_0_group[i] = Yvar[(Xvar == np.unique(Xvar)[i]) & (Yvar == 0)].count()
  N_1_group[i] = Yvar[(Xvar == np.unique(Xvar)[i]) & (Yvar == 1)].count()
 iv = np.sum((N_0_group/N_0 - N_1_group/N_1) * np.log((N_0_group/N_0)/(N_1_group/N_1)))
 return iv 
 
def caliv_batch(df, Kvar, Yvar):
 df_Xvar = df.drop([Kvar, Yvar], axis=1)
 ivlist = []
 for col in df_Xvar.columns:
  iv = CalcIV(df[col], df[Yvar])
  ivlist.append(iv)
 names = list(df_Xvar.columns)
 iv_df = pd.DataFrame({'Var': names, 'Iv': ivlist}, columns=['Var', 'Iv'])
 
 return iv_df

其中，df是分箱后的數據集，Kvar是主鍵，Yvar是y變量(0是好，1是壞)。

代碼運行結果如下：

補充拓展：python基礎IV(切片、迭代、生成列表)

對list進行切片

取一個list的部分元素是非常常見的操作。比如，一個list如下：

>>> L = ['Adam', 'Lisa', 'Bart', 'Paul']

取前3個元素，應該怎么做？

笨辦法：

>>> [L[0], L[1], L[2]]
['Adam', 'Lisa', 'Bart']

之所以是笨辦法是因為擴展一下，取前N個元素就沒轍了。

取前N個元素，也就是索引為0-(N-1)的元素，可以用循環：

>>> r = []
>>> n = 3
>>> for i in range(n):
...  r.append(L[i])
... 
>>> r
['Adam', 'Lisa', 'Bart']

對這種經常取指定索引范圍的操作，用循環十分繁瑣，因此，Python提供了切片（Slice）操作符，能大大簡化這種操作。

對應上面的問題，取前3個元素，用一行代碼就可以完成切片：

>>> L[0:3]
['Adam', 'Lisa', 'Bart']

L[0:3]表示，從索引0開始取，直到索引3為止，但不包括索引3。即索引0，1，2，正好是3個元素。

如果第一個索引是0，還可以省略：

>>> L[:3]
['Adam', 'Lisa', 'Bart']

也可以從索引1開始，取出2個元素出來：

>>> L[1:3]
['Lisa', 'Bart']

只用一個 : ，表示從頭到尾：

>>> L[:]
['Adam', 'Lisa', 'Bart', 'Paul']

因此，L[:]實際上復制出了一個新list。

切片操作還可以指定第三個參數：

>>> L[::2]
['Adam', 'Bart']

第三個參數表示每N個取一個，上面的 L[::2] 會每兩個元素取出一個來，也就是隔一個取一個。

把list換成tuple，切片操作完全相同，只是切片的結果也變成了tuple。

倒序切片

對于list，既然Python支持L[-1]取倒數第一個元素，那么它同樣支持倒數切片，試試：

>>> L = ['Adam', 'Lisa', 'Bart', 'Paul']

>>> L[-2:]
['Bart', 'Paul']

>>> L[:-2]
['Adam', 'Lisa']

>>> L[-3:-1]
['Lisa', 'Bart']

>>> L[-4:-1:2]
['Adam', 'Bart']

記住倒數第一個元素的索引是-1。倒序切片包含起始索引，不包含結束索引。

對字符串切片

字符串 'xxx'和 Unicode字符串 u'xxx'也可以看成是一種list，每個元素就是一個字符。因此，字符串也可以用切片操作，只是操作結果仍是字符串：

>>> 'ABCDEFG'[:3]
'ABC'
>>> 'ABCDEFG'[-3:]
'EFG'
>>> 'ABCDEFG'[::2]
'ACEG'

在很多編程語言中，針對字符串提供了很多各種截取函數，其實目的就是對字符串切片。Python沒有針對字符串的截取函數，只需要切片一個操作就可以完成，非常簡單。

什么是迭代

在Python中，如果給定一個list或tuple，我們可以通過for循環來遍歷這個list或tuple，這種遍歷我們成為迭代（Iteration）。

在Python中，迭代是通過 for ... in 來完成的，而很多語言比如C或者Java，迭代list是通過下標完成的，比如Java代碼：

for (i=0; i<list.length; i++) {
 n = list[i];
}

可以看出，Python的for循環抽象程度要高于Java的for循環。

因為 Python 的 for循環不僅可以用在list或tuple上，還可以作用在其他任何可迭代對象上。

因此，迭代操作就是對于一個集合，無論該集合是有序還是無序，我們用 for 循環總是可以依次取出集合的每一個元素。

注意: 集合是指包含一組元素的數據結構，我們已經介紹的包括：

1. 有序集合：list，tuple，str和unicode；

2. 無序集合：set

3. 無序集合并且具有 key-value 對：dict
而迭代是一個動詞，它指的是一種操作，在Python中，就是 for 循環。

迭代與按下標訪問數組最大的不同是，后者是一種具體的迭代實現方式，而前者只關心迭代結果，根本不關心迭代內部是如何實現的。

索引迭代

Python中，迭代永遠是取出元素本身，而非元素的索引。

對于有序集合，元素確實是有索引的。有的時候，我們確實想在 for 循環中拿到索引，怎么辦？

方法是使用 enumerate() 函數：

>>> L = ['Adam', 'Lisa', 'Bart', 'Paul']
>>> for index, name in enumerate(L):
...  print index, '-', name
... 
0 - Adam
1 - Lisa
2 - Bart
3 - Paul

使用 enumerate() 函數，我們可以在for循環中同時綁定索引index和元素name。但是，這不是 enumerate() 的特殊語法。實際上，enumerate() 函數把：

['Adam', 'Lisa', 'Bart', 'Paul']

變成了類似：

[(0, 'Adam'), (1, 'Lisa'), (2, 'Bart'), (3, 'Paul')]

因此，迭代的每一個元素實際上是一個tuple：

for t in enumerate(L):
 index = t[0]
 name = t[1]
 print index, '-', name

如果我們知道每個tuple元素都包含兩個元素，for循環又可以進一步簡寫為：

for index, name in enumerate(L):
print index, '-', name

這樣不但代碼更簡單，而且還少了兩條賦值語句。

可見，索引迭代也不是真的按索引訪問，而是由 enumerate() 函數自動把每個元素變成 (index, element) 這樣的tuple，再迭代，就同時獲得了索引和元素本身。

迭代dict的value

我們已經了解了dict對象本身就是可迭代對象，用 for 循環直接迭代 dict，可以每次拿到dict的一個key。

如果我們希望迭代 dict 對象的value，應該怎么做？

dict 對象有一個 values() 方法，這個方法把dict轉換成一個包含所有value的list，這樣，我們迭代的就是 dict的每一個 value：

d = { 'Adam': 95, 'Lisa': 85, 'Bart': 59 }
print d.values()
# [85, 95, 59]
for v in d.values():
 print v
# 85
# 95
# 59

如果仔細閱讀Python的文檔，還可以發現，dict除了values()方法外，還有一個 itervalues() 方法，用 itervalues() 方法替代 values() 方法，迭代效果完全一樣：

d = { 'Adam': 95, 'Lisa': 85, 'Bart': 59 }
print d.itervalues()
# <dictionary-valueiterator object at 0x106adbb50>
for v in d.itervalues():
 print v
# 85
# 95
# 59

那這兩個方法有何不同之處呢？

1. values() 方法實際上把一個 dict 轉換成了包含 value 的list。

2. 但是 itervalues() 方法不會轉換，它會在迭代過程中依次從 dict 中取出 value，所以 itervalues() 方法比 values() 方法節省了生成 list 所需的內存。

3. 打印 itervalues() 發現它返回一個 <dictionary-valueiterator> 對象，這說明在Python中，for 循環可作用的迭代對象遠不止 list，tuple，str，unicode，dict等，任何可迭代對象都可以作用于for循環，而內部如何迭代我們通常并不用關心。

如果一個對象說自己可迭代，那我們就直接用 for 循環去迭代它，可見，迭代是一種抽象的數據操作，它不對迭代對象內部的數據有任何要求。

迭代dict的key和value

我們了解了如何迭代 dict 的key和value，那么，在一個 for 循環中，能否同時迭代 key和value？答案是肯定的。

首先，我們看看 dict 對象的 items() 方法返回的值：

>>> d = { 'Adam': 95, 'Lisa': 85, 'Bart': 59 }
>>> print d.items()
[('Lisa', 85), ('Adam', 95), ('Bart', 59)]

可以看到，items() 方法把dict對象轉換成了包含tuple的list，我們對這個list進行迭代，可以同時獲得key和value：

>>> for key, value in d.items():
...  print key, ':', value
... 
Lisa : 85
Adam : 95
Bart : 59

和 values() 有一個 itervalues() 類似， items() 也有一個對應的 iteritems()，iteritems() 不把dict轉換成list，而是在迭代過程中不斷給出 tuple，所以， iteritems() 不占用額外的內存。

生成列表

要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]，我們可以用range(1, 11)：

>>> range(1, 11)
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

但如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循環：

>>> L = []
>>> for x in range(1, 11):
... L.append(x * x)
... 
>>> L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

但是循環太繁瑣，而列表生成式則可以用一行語句代替循環生成上面的list：

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

這種寫法就是Python特有的列表生成式。利用列表生成式，可以以非常簡潔的代碼生成 list。

寫列表生成式時，把要生成的元素 x * x 放到前面，后面跟 for 循環，就可以把list創建出來，十分有用，多寫幾次，很快就可以熟悉這種語法。

復雜表達式

使用for循環的迭代不僅可以迭代普通的list，還可以迭代dict。

假設有如下的dict：

d = { 'Adam': 95, 'Lisa': 85, 'Bart': 59 }

完全可以通過一個復雜的列表生成式把它變成一個 HTML 表格：

tds = ['<tr><td>%s</td><td>%s</td></tr>' % (name, score) for name, score in d.iteritems()]
print '<table>'
print '<tr><th>Name</th><th>Score</th><tr>'
print '\n'.join(tds)
print '</table>'

注：字符串可以通過 % 進行格式化，用指定的參數替代 %s。字符串的join()方法可以把一個 list 拼接成一個字符串。

條件過濾

列表生成式的 for 循環后面還可以加上 if 判斷。例如：

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

如果我們只想要偶數的平方，不改動 range()的情況下，可以加上 if 來篩選：

>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]

有了 if 條件，只有 if 判斷為 True 的時候，才把循環的當前元素添加到列表中。

多層表達式

for循環可以嵌套，因此，在列表生成式中，也可以用多層 for 循環來生成列表。

對于字符串 'ABC' 和 '123'，可以使用兩層循環，生成全排列：

>>> [m + n for m in 'ABC' for n in '123']
['A1', 'A2', 'A3', 'B1', 'B2', 'B3', 'C1', 'C2', 'C3']

翻譯成循環代碼就像下面這樣：

L = []
for m in 'ABC':
 for n in '123':
  L.append(m + n)

以上這篇Python計算IV值的示例講解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。