20191126_0

README.md

@@ -5,108 +5,169 @@
 - 本项目主要用于风控模型监控.
 - 运用统计绘图分析, 来检测入模特征, 客群变化, 模型性能.
 - 基本流程:
-- 数据库取数 --> 整合/处理数据 --> 绘图 --> 统计
-- 主要统计图类别:
+  - 数据库取数 --> 整合/统计 --> 绘图
+- 主要统计信息:
 
   - VLM
+- PSI
+  - AUC
 
-  - PSI
+# 使用前提
 
-  - Lift Chart
+- 准备一个包含需要查询模型分的excel, 包含其中文名和英文名(mongo中的字段名).
+- 项目中的model_score.xlsx包含大部分在使用的模型分.
 
 # VLM
 
-- 重写完成, 代码流程改天写.
-
-# PSI & Lift Chart
-
-- 因为这两个指标的统计都需要用到模型分, 所以放到一起.
-
-## 计算流程
-
-- 首先对需要计算的模型分, 在指定的统一时间跨度内进行数据抽取(在MySQL和MongoDB中). 包括如下一些主要字段:
-  - 模型分1, 模型分2, ...
-  - 订单号, 申请时间, 申请类型, 渠道类型, 逾期天数.
-- 根据预定义逾期阈值, 得到是否逾期标签.
-- 根据该模型分有记录的第一个月, 计算分箱规则(由模型分等频分箱区间, PSI在申请集上计算, AUC在放款集上计算).
-- 分别对全样本, 首申/复申/复贷, 以及各达标客群(客群数量大于预设阈值), 计算每月统计信息.
-- PSI统计信息:
-  - 样本量.
-  - 各分箱样本量
-  - 各分箱样本量占比
-  - 以该客群模型分有记录的第一个月为基准的PSI.
-- Lift Chart统计信息:
-  - 样本量
-  - 各分箱样本量
-  - 各分箱逾期率
-  - AUC
-  - 以该客群模型分有记录的第一个月为基准的AUC ratio.
-- 统计表格信息, 方便筛选排序查看, 包含以下字段:
-  - 模型分名称.
-  - a月样本量, b月样本量...
-  - a月PSI, b月PSI...
-  - a月AUC, AUCR, b月AUC, AUCR...
-  - 某个客群是否异常(AUC明显下降, PSI较大).
-- NOTE:
-  - 当某月样本量很小, 或者没有样本时, 标记为NaN. 对应的PSI, AUC也为NaN.
-  - 当某月样本量比较小, 导致AUC计算异常(如某些分箱没有样本, 全为非逾期样本), 则标记为-999.
-  - 对于PSI的计算, 采用平滑处理, 根据PSI计算公式, 一旦某箱为0, 而基准月该分箱只要不为0, 就会导致计算异常, 因此计算PSI时为每箱的占比在原基础上增加0.001, 使计算更加稳定.
+- 使用方法
+
+  在234服务器中, 将项目中的VLM_time.py放在自己的某一文件夹下, 然后在notebook中操作如下.
+
+```python
+# 导入脚本
+from VLM_time import *
+# 创建对象
+vlm_mm = VLMMonitor(excel_path='./model_score.xlsx',
+                    sheet_name='model',
+                    save_path='./vlm/',
+                    if_read=True, if_save=True,
+                    alpha=0.01, min_user_group=600,
+                    start_date='2019-09-01', end_date='2019-11-01')
+# 运行
+vlm.run()
+```
+
+- 对象参数说明(使用时主要设置时间即可):
+
+  - excel_path: excel路径.
+  - sheet_name: excel页名称.
+  - save_path: 输出保存路径.
+  - if_read & if_save: if_read表示是否从数据库取数据, 若为false则从本地取数据. if_save表示是否保存数据.这两个参数主要用于debug, 默认为true即可.
+  - alpha: mk-test显著性阈值.
+  - min_user_group: 最小客群数量, 用于过滤特别小的客群. 一般不用调整, 默认即可.
+  - start_date & end_date: 需要查询的起始和终止时间, 根据需求设定.
+
+- 输出
+
+  - 图片, 保存在save_path下的image中.
+  - 相关统计信息, 保存在save_path下的info中
+
+- info的一些使用方法
+
+  - 读取info
+
+    ![F6010A07-103A-4cdf-95A6-41848F3DE07D](image/F6010A07-103A-4cdf-95A6-41848F3DE07D.png)
+
+  - 挑选出某个模型分的信息.
+
+    ![66EEADB8-4133-4338-AAB0-8FE48526CBBF](image/66EEADB8-4133-4338-AAB0-8FE48526CBBF.png)
 
-## 使用方法
+  - 挑选出均值超过三倍标准差的客群.
 
-- 准备一个Excel表格, 其中放置模型分名称, 以及对应的在数据库中的字段名.
+    ![77F951A3-088F-4af0-AF74-C6F66BC8EAE6](image/77F951A3-088F-4af0-AF74-C6F66BC8EAE6.png)
 
-- 创建一个模型监控对象(这样我们就有对象了^v^).
+  - 挑选出有趋势的客群, 并按p值排序.
 
-  ```python
-  # 创建对象.
-  mm = ModelMonitor(excel_path='./model_score.xlsx', sheet_name='mongo_model', save_path='./image/', passdue_day=15, num_month=4, min_user_group=1000, max_psi=0.1, min_aucr=0.9, if_read=True, if_save=True)
-  # 执行run方法.
-  mm.run()
-  ```
+    ![D39E34EF-592A-4bfe-95D8-694B3B7BBFEC](image/D39E34EF-592A-4bfe-95D8-694B3B7BBFEC.png)
 
-  - excel_path: Excel文件路径.
+# PSI
 
-  - sheet_name: Excel的目标页.
+- 使用方法
 
-  - save_path: 统计图存放路径.
+  在234服务器中, 将项目中的PSI_time.py放在自己的某一文件夹下, 然后在notebook中操作如下.
 
-    不用自己再另外手动创建文件夹, 代码会判断文件夹是否存在并创建.
+```python
+# 导入脚本
+from PSI_time import *
+# 创建对象
+psi_mm = PSIMonitor(excel_path='./model_score.xlsx', sheet_name='model',
+                    min_user_group=500, max_psi=0.1, interval_days=30,
+                    save_path='./psi/',
+                    if_save=True, if_read=True,
+                    date_list=('2019-07-01', '2019-08-01', '2019-09-01', '2019-10-01','2019-11-01'))
+# 运行
+psi_mm.run()
+```
 
-  - passdue_day: 定于逾期天数, 默认15.
+- 对象参数说明(使用时主要设置date_list即可):
+  - excel_path: excel路径.
+  - sheet_name: excel页名称.
+  - save_path: 输出保存路径.
+  - if_read & if_save: if_read表示是否从数据库取数据, 若为false则从本地取数据. if_save表示是否保存数据.这两个参数主要用于debug, 默认为true即可.
+  - max_psi: PSI异常阈值, 超过该值则视为客群分布变化过大.
+  - min_user_group: 最小客群数量, 用于过滤特别小的客群. 一般不用调整, 默认即可.
+  - interval_days: 时间跨度, 与date_list对应, 默认30天.
+  - date_list: 时间区间, 如这里包含4个区间(4个月), 每个区间约30天.
 
-  - num_month: 想要统计近期几个月(包含运行程序时所在的日期前一天, 如运行时为7.1, 则不包含7月数据, 如运行时为7.10, 则将7月9天算作7月数据).
+- 输出
 
-  - min_user_group: 最小客群数量.
+  - 图片, 保存在save_path下的image中.
+  - 相关统计信息, 保存在save_path下的info中
 
-    这个参数越大, 颗粒越粗, 最后的统计图(客群数量)会越少.
+- info的一些使用方法
 
-    反之颗粒越小, 最后统计图会越多.
+  - 读取info
 
-  - max_psi: 最大PSI, 大于则视为该客群异常, 基准月的PSI默认为大于5倍该值为异常.
+    ![DDFBB70E-2A39-4292-94B8-9487474BFA35](image/DDFBB70E-2A39-4292-94B8-9487474BFA35.png)
 
-  - min_aucr: 最小AUCR, 小于则视为该客群异常.
+  - 选取某个模型分
 
-  - if_read: 是否从数据库读取数据.
+    ![1D7A7A0A-8B66-4f31-A5F3-F21C1FA5BADA](image/1D7A7A0A-8B66-4f31-A5F3-F21C1FA5BADA.png)
 
-    默认为False, 即从本地获取数据.
+  - 挑选出PSI过大的客群.
 
-  - if_save: 是否将数据库抽取的数据保存到本地.
+    ![9DF6F484-6FA3-4b60-BA42-8D27A1B025AA](image/9DF6F484-6FA3-4b60-BA42-8D27A1B025AA.png)
 
+# AUC
 
-## 输出
+- 使用方法
 
-- 图片保存在./image中.
-  - PSI: ./image/PSI
-  - Lift Chart: ./image/AUC
-- 统计信息.
-  - PSI统计信息: ./psi_info.csv
-  - AUC统计信息: ./auc_info.csv
+  在234服务器中, 将项目中的AUC_time.py放在自己的某一文件夹下, 然后在notebook中操作如下.
+
+```python
+# 导入脚本
+from AUC_time import *
+# 创建对象
+auc_mm = AUCMonitor(excel_path='./model_score.xlsx', sheet_name='model',
+                    passdue_day=15, save_path='./auc/',
+                    min_user_group=500, interval_days=15, min_auc=0.55,
+                    date_list=('2019-07-01', '2019-07-15', '2019-08-01', '2019-08-15', '2019-09-01', '2019-09-15'),
+                    if_read=True)
+# 运行
+auc_mm.run()
+```
+
+- 对象参数说明(使用时主要设置date_list即可):
+
+  - excel_path: excel路径.
+  - sheet_name: excel页名称.
+  - save_path: 输出保存路径.
+  - if_read: 表示是否从数据库取数据, 若为false则从本地取数据. 
+  - passdue_day: 首逾多少天算坏样本.
+  - min_auc: AUC阈值, 小于该值则表示模型分区分度低.
+  - min_user_group: 最小客群数量, 用于过滤特别小的客群. 一般不用调整, 默认即可.
+  - interval_days: 时间跨度, 与date_list对应, 默认15天.
+  - date_list: 时间区间, 如这里包含4个区间, 每个区间约15天.
+
+- 输出
+
+  - 图片, 保存在save_path下的image中.
+  - 相关统计信息, 保存在save_path下的info中
+
+- info的一些使用方法
+
+  - 读取info
+
+    ![135AB666-12A0-486e-9314-5F61678CED1D](image/135AB666-12A0-486e-9314-5F61678CED1D.png)
+
+  - 选择某个模型并查看其各客群AUC
+
+    ![8EC5983E-542C-4c41-A390-817CAC0C05A3](image/8EC5983E-542C-4c41-A390-817CAC0C05A3.png)
 
 # TODO
 
-- 添加对存在MySQL中模型分计算PSI, AUC的代码.
-- 增加模型重要特征的VLM.
+- 自动出简略监控报告的脚本.
+- 将图片保存到pdf中.
 
 # 版本信息
 
@@ -139,6 +200,11 @@
   - 重写VLM.
   - 增加过滤空跑数据的功能.
   - 增强代码鲁棒性.
+  
+- V 0.1.0
+
+  - 全部数据从mongo中获取.
+  - VLM, PSI, AUC分开计算.
 
 # 贡献
 

auto_report.py

+# coding=utf-8
+'''
+自动写无人分析版的月监控报告.
+'''
+
+from docx import Document
+from docx.shared import Cm
+
+
+import warnings
+
+warnings.filterwarnings('ignore')
+
+class AutoReportor:
+    '''
+    自动写报告.
+    逻辑流程:
+        1. 获取原始信息.
+        2. 挑选重要信息.
+        3. 按照一定规则汇总信息, 写总结.
+        4. 分别对每个模型进行展示.
+    '''
+    def __init__(self):
+
+        pass
+
+
+
+    def get_info(self):
+
+        pass
+
+
+    def filter_info(self):
+
+        pass
+
+    def summary(self):
+
+        pass
+
+    def show_detail(self):
+
+        pass
+
+
+    def format(self):
+
+        pass
+
+
+    def run(self):
+        # 获取vlm, psi, auc信息.
+
+        # 提取重要信息.
+
+        # 初始化doc.
+
+        # 根据规则写总结.
+
+
+        # 写每个模型的信息.
+
+
+        # 统一格式.
+
+
+        # 保存.
+
+
+
+        pass
+
+