Python绘制KS曲线的实现方法

在介绍Python绘制KS曲线的实现方法之前，我们先来解释一下什么是KS曲线。KS曲线，全称为Kolmogorov-Smirnov曲线，是一种在信用评分模型评估中常用的统计工具。KS曲线能够提供信用评分模型区分好坏客户的能力，即模型的辨别力。在KS曲线中，横轴通常代表累计坏客户的比例，纵轴代表累计好客户的比例，通过对比两个累积率的差值（即KS值）来判断模型的好坏。KS值越大，表示模型的区分能力越强。 现在，我们来看看如何利用Python绘制KS曲线。需要一个实现KS曲线的基础函数，代码如下： ```python def PlotKS(preds, labels, n, asc): # preds 是预测值，labels 是真实标签，1 表示坏客户，0 表示好客户 # n 是分位数的数量 # asc 表示是升序还是降序，1 为升序，0 为降序 # 将标签转为二进制：1为坏客户，0为好客户 bad = labels ksds = DataFrame({'bad': bad, 'pred': preds}) ksds['good'] = 1 - ksds.bad # 根据asc参数对数据进行排序 if asc == 1: ksds1 = ksds.sort_values(by=['pred', 'bad'], ascending=[True, True]) elif asc == 0: ksds1 = ksds.sort_values(by=['pred', 'bad'], ascending=[False, True]) ksds1.index = range(len(ksds1.pred)) ksds1['cumsum_good1'] = 1.0 * ksds1.good.cumsum() / sum(ksds1.good) ksds1['cumsum_bad1'] = 1.0 * ksds1.bad.cumsum() / sum(ksds1.bad) if asc == 1: ksds2 = ksds.sort_values(by=['pred', 'bad'], ascending=[True, False]) elif asc == 0: ksds2 = ksds.sort_values(by=['pred', 'bad'], ascending=[False, False]) ksds2.index = range(len(ksds2.pred)) ksds2['cumsum_good2'] = 1.0 * ksds2.good.cumsum() / sum(ksds2.good) ksds2['cumsum_bad2'] = 1.0 * ksds2.bad.cumsum() / sum(ksds2.bad) # 计算累积率并进行平均 ksds = ksds1[['cumsum_good1', 'cumsum_bad1']] ksds['cumsum_good2'] = ksds2['cumsum_good2'] ksds['cumsum_bad2'] = ksds2['cumsum_bad2'] ksds['cumsum_good'] = (ksds['cumsum_good1'] + ksds['cumsum_good2']) / 2 ksds['cumsum_bad'] = (ksds['cumsum_bad1'] + ksds['cumsum_bad2']) / 2 ksds['ks'] = ksds['cumsum_bad'] - ksds['cumsum_good'] ksds['tile0'] = range(1, len(ksds.ks) + 1) ksds['tile'] = 1.0 * ksds['tile0'] / len(ksds['tile0']) qe = list(np.arange(0, 1, 1.0 / n)) qe.append(1) qe = qe[1:] ks_index = Series(ksds.index) ks_index = ks_index.quantile(q=qe) ks_index = np.ceil(ks_index).astype(int) ks_index = list(ks_index) ksds = ksds.loc[ks_index] ksds = ksds[['tile', 'cumsum_good', 'cumsum_bad', 'ks']] ksds0 = np.array([[0, 0, 0, 0]]) ksds = np.concatenate([ksds0, ksds], axis=0) ksds = DataFrame(ksds, columns=['tile', 'cumsum_good', 'cumsum_bad', 'ks']) ks_value = ksds.ks.max() ks_pop = ksds.tile[ksds.ks.idxmax()] print('ks_value is ' + str(np.round(ks_value, 4)) + ' at pop = ' + str(np.round(ks_pop, 4))) # 绘制KS曲线 plt.plot(ksds.tile, ksds.cumsum_good, label='cum_good', color='blue', linestyle='solid') plt.plot(ksds.tile, ksds.cumsum_bad, label='cum_bad', color='red', linestyle='solid') plt.xlabel('Population') plt.ylabel('Cumulative Good/Bad Rate') plt.title('KS Curve') plt.legend(loc='upper right') plt.show() ``` 在这个函数中，我们首先导入了必要的库，并定义了函数`PlotKS`，它接受四个参数：`preds`代表预测分数，`labels`代表实际好坏标签，`n`代表需要计算的分位数个数，`asc`代表排序方式。函数体内部首先创建了一个数据框`DataFrame`，将好客户和坏客户的标签分别转换为1和0，并进行排序。 接着，函数计算了坏客户和好客户的累积比率，并通过`plt.plot`函数绘制了KS曲线。在绘制过程中，分别绘制了好坏客户的累积曲线，并为它们设置了不同的颜色和线型，以便区分。通过设置`plt.xlabel`和`plt.ylabel`设置了坐标轴的名称，`plt.title`设置了图表的标题，并且通过`plt.legend`设置了图例的位置。 函数输出了KS值以及在人口百分比中达到最大值的位置，并调用`plt.show()`显示了最终的KS曲线图。 以上就是使用Python绘制KS曲线的完整过程，通常这个过程是在模型评估阶段进行的。在数据分析和模型评估过程中，KS曲线是一个非常重要的工具，因为它能够直观地显示出模型的区分能力，是检验模型效果的重要指标之一。通过观察KS曲线，可以确定模型对于不同风险等级客户群体的区分效果，进而对模型进行调优。