기초 프로젝트 : 은행 고객데이터를 이용한 서비스 분석 (1)

기초 프로젝트 : 은행 고객데이터를 이용한 서비스 분석

프로젝트 개요

1. 분석 목적 : 은행 고객데이터를 이용해 서비스의 현황을 분석하고 고객을 분류하기.
2. 데이터 수집 : Kaggle

데이터 소개

 

Bank User Dataset

✅ 전체 컬럼 수  : 50,000개 (같은 고객의 9,10,11,12월치 데이터가 들어있어 실제 total_user의 수는 12,500명)

 

 

💡 어려웠던 점 

- int, float 타입의 데이터여야 할 것들이 언더바가 붙는(이상값) 경우가 많아 이를 적절히 솎아내기 어려움.

- 데이터 description이 없다 보니 데이터 자체를 이해하는데 어려움

- 데이터가 기반하고 있는 미국의 은행 계좌 개설 체계와 우리나라의 체계가 달라 이를 이해하는데 어려웠음

 

전처리

1. 필요한 컬럼만 골라서 활용

# 필요한 컬럼만 선택 (총 27개 중 22개 사용)
bank = bank.drop(['Name','SSN','Monthly_Inhand_Salary','Changed_Credit_Limit',
									'Num_Credit_Inquiries'], axis = 1) 

# 사용할 컬럼
bank.columns
## Index(['ID', 'Customer_ID', 'Month', 'Age', 'Occupation', 'Annual_Income',
##        'Num_Bank_Accounts', 'Num_Credit_Card', 'Interest_Rate', 'Num_of_Loan',
##        'Type_of_Loan', 'Delay_from_due_date', 'Num_of_Delayed_Payment',
##        'Credit_Mix', 'Outstanding_Debt', 'Credit_Utilization_Ratio',
##        'Credit_History_Age', 'Payment_of_Min_Amount', 'Total_EMI_per_month',
##        'Amount_invested_monthly', 'Payment_Behaviour', 'Monthly_Balance'],dtype='object')

→ 전체 27개의 컬럼 중 22개의 컬럼만 선택.

 

2. del_underbar_int/ del_underbar_float 함수 만들기

언더바가 포함된 int, float 타입이어야 했던 데이터들을 원래 데이터 타입으로 바꿔야하는데, for문을 이용하 작업을 반복하는것이 번거롭다고 느껴져서 함수를 제작했다. 

def del_underbar_int(data, col):
    for i, x in enumerate(data[col]):
        if pd.notnull(x) and '_' in x:
            data.at[i, col] = x.strip('_')
    
    data[col] = data[col].fillna(0).astype('int64')

def del_underbar_float(data, col):
    for i, x in enumerate(data[col]):
        if pd.notnull(x) and '_' in x:
            data.at[i, col] = x.strip('_')
    
    data[col] = data[col].fillna(0).astype('float')

 

다음 과제

✅ 어떻게 Null 값을 채워넣을지 고민!

✅ 시각화 해보기 (Null값을 채워넣지 못한다면 그것을 제외하고서라도!)