背景

从事风控工作，经常要统计风险等级这个标签，也可能需要统计不同风险等级在不同平台下的频率，也就是出现次数，以此来作为策略有效性评估的一个指标。

一个常见的场景是：当你需要作图的时候，发现某一天，或者一直以来都没有某一个风险等级，这种情况下作图也好，作表也好，都会出现一个断层。
比如画出来的图形是这个样子的：

数据是我随机生成的，想表达的一点就是：

WEB端有3条线，但是APP端只有2条蓝色的线，APP端少了一个risklevel为1的数据。

问题提出

其实，这个在经济学中较面板数据，无论在做回归分析还是建模的时候，一般都需要补成一个long型的数据。
这个数据，就是类似下面这种形式。
year,variablename,value

我们要做的就是，将缺失的风险等级给他补上。

解决方案

一个根据dataframe进行补0的方案函数

注意点

• 数据里面，删除掉你不需要的列，保留你需要的列就行

import pandas as pd
from itertools import product

def expand_dataframe(df, expand_cols):
    # 第一步，找出去重后的唯一值
    unique_values = [df[col].unique() for col in expand_cols]
    # 第二步，创建组合dataframe
    all_combinations = pd.DataFrame(list(product(*unique_values)), columns=expand_cols)
    # 第三步，与原始数据合并
    expanded_df = pd.merge(all_combinations, df, on=expand_cols, how='left')
    # 第四步，补值
    expanded_df.fillna(0,inplace=True)
    return expanded_df

生成数据的代码和其他信息

import pandas as pd
import numpy as np

# 生成1个星期的日期变量
dates = pd.date_range(start='2023-12-01', periods=7)
# 生成作图dataframe
# 生成风险等级为1，2，3，且channel 为APP或者WEB的数据，并且channel为APP且风险等级为1的数据不生成
data = []
for date in dates:
    for risk_level in [1,2, 3]:
        for channel in ['APP', 'WEB']:
            if risk_level == 1 and channel=='APP':
                continue
            num = np.random.randint(10, 90)
            data.append([date, risk_level, num, channel])

# 生成df
df = pd.DataFrame(data, columns=['date', 'risklevel', 'num',  'channel'])

df的前10行数据如下：

作图的代码

import matplotlib.pyplot as plt
import seaborn as sns
plt.style.use('ggplot')
plt.figure()
sns.lineplot(data=df,x='date',y='num',hue='channel',style='risklevel',markers=True,dashes=False,linewidth=2.5)
plt.show()