简介：一份面向金融风控与数据分析初学者的Python信用评分卡示例，基于toad库实现，完整覆盖特征选择、分箱、WOE转换、模型评估和评分卡生成等核心环节。压缩包共2个文件，含一个可直接运行的Python脚本和一个结果说明文档，包体约5.8MB，数据与代码一次配齐。目前已有271人学习下载。示例不仅提供代码骨架，还附带用于训练和验证的数据集，读者可对照资源描述中的配套博文，逐行理解每一步输入输出，快速搭建自己的评分卡实验。运行后可掌握toad库在变量筛选、最优分箱、IV/KS评估以及分数映射中的典型用法，理清从原始样本到最终信用分数的完整链路，适合智能风控入门、金融建模课程设计或相关项目预研参考。 评分卡不是新东西，但每次新项目我还是要把它从头到尾跑一遍。原因很简单：只要做信贷审批、信用卡额度授信、消费分期这类业务，业务方和监管最认的往往不是黑盒模型，而是能把“为什么给这个客户600分而不是550分”讲清楚的评分卡。这篇我直接用Python生态里的toad库，从一个公开数据集出发，把完整的示例代码和数据集准备方法写清楚，跑通一版真正能落地的评分卡流程。
toad这个库在国内风控圈用得挺多了，专门用来做评分卡流程，从数据清洗、特征筛选、分箱、WOE转换到逻辑回归训练和评分映射，基本上把传统评分卡的脏活都包圆了。相比自己写几百行分箱代码，toad能省下大量时间，关键是分箱结果和评分逻辑都可控、可解释。下面我把整个流程拆开讲，最后会给一份可以直接复制的完整脚本。
1. 为什么做评分卡还要用toad这类工具
1.1 手撸评分卡的问题出在哪
先说说我自己早年做评分卡的经历。那时候拿到数据，第一步先写个函数统计缺失率，第二步写循环算IV，第三步用卡方分箱，分箱的轮子也得自己造，第四步手动做WOE编码，第五步塞进逻辑回归，最后还要写评分映射公式把概率转成分数。一整套下来，代码量轻轻松松上千行，而且分箱边界、WOE计算方向、空箱处理这些细节只要有一个地方不一致，整个项目的评分结果都可能出问题。
更麻烦的是，评分卡流程里有很多“潜规则”。比如分箱后每个箱子的样本占比不能太低，否则上线后箱子很容易空心，特征一波动分数就乱跳；再比如WOE转换后特征和target的关系要尽量单调，这样业务方才能理解“年龄越大分数越高”这种逻辑。这些约束如果全靠手写，代码会越来越臃肿，最后变成只有自己能看懂的“祖传代码”。
1.2 toad在整个流程里干了哪些活
toad的设计思路就是按评分卡流程分模块，每个环节都给你一个现成的高质量工具。我用一张表对比一下手撸和用toad的差别：
| 环节 | 传统手撸方式 | toad方式 | 工作量对比 |
|---|---|---|---|
| 数据质量报告 | 逐个字段写统计函数 | toad.detect()、toad.quality() | 从半天缩到1分钟 |
| 缺失值、异常值清洗 | 自己写fillna和clip逻辑 | toad.clean() | 从一篇代码缩到一行 |
| 单变量特征筛选 | 手写IV计算循环 | toad.selection.select() | 从百行缩到一行 |
| 分箱 | 自己写卡方分箱或等频分箱 | toad.transform.Combiner() | 从几百行缩到四五行 |
| WOE转换 | 手写WOE计算和映射 | toad.transform.WOETransformer() | 从几十行缩到一行 |
| 评分映射 | 手推公式写映射函数 | 手动公式或toad.ScoreCard | 可选 |
这表里最打动我的其实是quality和selection。做评分卡的人都知道，特征筛选是前期最耗时的事，尤其遇到几百个变量的宽表，光算IV再按阈值筛掉低质量特征就能让人崩溃。toad把这套逻辑标准化了，虽然它不代表完全不用思考，但至少能保证基线的稳定性。
2. 数据准备与初始体检：拿到评分卡项目数据我先看这三样
2.1 示例数据集怎么选：公开数据和模拟数据两条路
很多读者看到“完整示例代码和数据集”第一反应是想拿一份现成数据直接跑。我给两个方案，一个用真实公开数据集，一个用模拟数据，两条路都能跑通代码。
真实公开数据集我推荐UCI的German Credit，也就是德国信用数据集。它大约1000条样本，20个特征，包含年龄、性别、工作状态、贷款金额、贷款时长、历史逾期情况等，目标变量是信用好坏二分类。数据量不大，但特征类型丰富，有数值型也有类别型，非常适合演示分箱和WOE过程。搜“UCI German Credit”或者“german credit data csv”就能找到，网上很多版本，字段名可能略有差异，注意把好坏客户标签处理成0和1就行。
如果你不想折腾下载，可以直接用我下面这段模拟数据代码。它生成的数据不包含真实信息，只做技术演示，但字段设计贴近真实信贷场景：年龄、年收入、负债收入比、近6个月逾期次数、信用卡使用率、近6个月贷款查询次数。坏客户比例通过调节截距项控制在10%左右，后续分箱和建模效果都会比较清晰。
import numpy as np import pandas as pd def make_simulated_data(n=20000, random_state=42): np.random.seed(random_state) n = int(n) age = np.random.randint(18, 70, size=n) income = np.random.lognormal(mean=10, sigma=0.6, size=n) debt_ratio = np.clip(np.random.beta(2, 5, size=n), 0, 0.95) overdue_6m = np.random.poisson(0.6, size=n) credit_util = np.clip(np.random.beta(2, 6, size=n), 0, 1) query_count_6m = np.random.poisson(1.2, size=n) logit = ( -4.8 - 0.02 * (age - 35) - 0.4 * (np.log(income) - 10) + 3.0 * debt_ratio + 0.8 * overdue_6m + 1.5 * credit_util + 0.4 * query_count_6m + np.random.normal(0, 0.6, size=n) ) p = 1 / (1 + np.exp(-logit)) target = np.random.binomial(1, p) df = pd.DataFrame({ 'age': age, 'income': income, 'debt_ratio': debt_ratio, 'overdue_6m': overdue_6m, 'credit_util': credit_util, 'query_count_6m': query_count_6m, 'target': target }) return df data = make_simulated_data() print(data.shape) print(data['target'].mean())跑完这段，你会得到一个约2万行、7列的DataFrame，坏客户占比在10%上下。字段不够复杂，但演示整套评分卡流程完全够了。
2.2 detect和quality：一分钟看清数据质量
拿到数据第一件事不是建模，而是先看数据质量。toad自带的两个函数能把这件事压缩成两行代码：
import toad # 检查字段类型、缺失率、唯一值等 toad.detect(data) # 计算每个字段的IV、缺失率、唯一值等质量指标 toad.quality(data, target='target')我自己在真实项目里的习惯是，先跑detect了解哪些字段是数值型、哪些是类别型，有没有字段唯一值占比高得离谱；再跑quality看IV和缺失率。quality输出的表里每一行是一个特征，列包含IV、缺失率、唯一值个数之类，重点看两件事。
第一，缺失率。缺失率超过70%的特征通常直接剔除，因为不管怎么填充，它在分箱后样本量都不够，上线后稍有一点波动就会出空箱。第二，IV值。IV低于0.02的特征基本属于“没什么区分度”，后面特征筛选中可以直接过滤掉。
这一步我特别提醒一点：toad.detect()的合理使用方式是看每一个字段的分布是否符合业务认知。比如模拟数据里的overdue_6m是个偏态分布，多数客户逾期次数是0，少数几次，极少数很多次。这种零膨胀的字段后面分箱时必须单独处理0值，不能简单等频分段，否则0值客户会被打到各个箱子里，业务解释性会很差。
3. 特征筛选、分箱与WOE转换：toad全自动背后的判断逻辑
3.1 分箱不是越细越好
分箱这一步是整个评分卡的精髓，也是toad最值得讲清楚的地方。为什么要分箱？主要有三个原因。
第一，处理异常值和极端值。信贷数据里收入、负债这种长尾分布字段经常有极端值，直接进回归模型会被拉得很离谱，分箱后极端值就落到最后一个箱子里，影响可控。第二，拟合非线性关系。年龄和违约率往往不是线性关系，年轻人违约高，中年低，老年又高一点，分箱后每个箱给一个WOE值，逻辑回归就能拟合这种非线性。第三，业务展示需要。评分卡最终要给业务看“年龄在30到40岁之间加15分”，这种展示方式必须依赖分箱。
toad的分箱器用法很简单：
combiner = toad.transform.Combiner() combiner.fit( data[feas + ['target']], y='target', method='chi', min_samples=0.05, max_n_bins=5 ) bins = combiner.export() print(bins)这里method='chi'是卡方分箱，它会把相邻且违约率差异不显著的区间合并，使得最终箱内差异小、箱间差异大。min_samples=0.05意味着每个箱子至少要有5%的样本，防止分箱过细导致上线后某箱空心；max_n_bins=5限制最大箱数，让评分表不至于太啰嗦。这两个参数我建议在真实项目中盯着调，样本量越小，min_samples要放得越大，否则分箱结果会非常不稳定。
分箱器跑完，export()返回的是一个字典，key是特征名，value是分箱边界列表。你可以直接看每个特征的切分点是否合理，比如年龄如果被切成18-25、25-35、35-50、50-70这种边界，业务上就很容易解释；如果切出19.8-26.7这种带小数的边界，就要怀疑是不是分箱参数没调好或者数据有异常。
3.2 WOE转换与IV筛选的联动逻辑
分箱之后是WOE转换。WOE全称是Weight of Evidence，计算方式是一个箱子里坏客户占比除以好客户占比再取对数：
WOE_i = ln(坏客户占比_i / 好客户占比_i)这个值的直观含义是：当前箱子的风险相对于全量平均水平是高还是低。WOE大于0说明这个箱子的坏客户比例偏高，分值应该低；WOE小于0说明这个箱子比较安全，分值应该高。IV值就是每个箱子的WOE按好坏占比加权求和，衡量整个特征对好坏的区分能力。
toad的WOE转换只需要一行代码：
trans = toad.transform.WOETransformer() data_woe = trans.fit_transform(data[feas + ['target']], data['target'])转换之后，原始字段变成WOE值，例如age字段原来的“28岁”会变成年龄落在对应箱子后给的一个WOE数值。这一步做完后进行特征筛选：
selected = toad.selection.select( data_woe, target='target', empty=0.7, iv=0.02, corr=0.7, return_drop=True ) final_feas = selected[0]筛选逻辑按顺序依次执行：先剔缺失率超过70%的特征，再剔IV低于0.02的特征，最后做相关性分析，两个特征相关性高于0.7时保留IV较高的那个。这套阈值是评分卡项目里比较通用的基线，但我建议不要死记，样本量小的时候IV阈值可以降到0.01，特征特别多的宽表可以提到0.05，关键看最终入模特征是否稳定、是否可解释。
这里有一个需要特别强调的细节：WOE方向。不同版本、不同库对WOE的定义方向可能不同，有的库定义为ln(坏/好)，有的定义为ln(好/坏)。建模后一定要检查逻辑回归系数符号和业务直觉是否一致。我习惯在分箱后打印每个箱子的bad_rate和WOE一起看：如果bad_rate越高WOE也越高，说明当前WOE定义是ln(坏/好)，那后面评分映射里系数符号就要按这个方向走。
4. 逻辑回归建模与评分映射：从概率到600分的过程
4.1 为什么评分卡要用逻辑回归而不是XGBoost
模型选择上，评分卡行业默认用逻辑回归，这在今天看起来有点“old school”，但绝对不是守旧。我做过很多树模型和神经网络，单论AUC确实经常能压逻辑回归一头，但评分卡场景里最核心的需求不是极致的区分度，而是稳定和可解释。
逻辑回归输出的是违约概率的对数发生比logit，它是线性的：
logit = β0 + β1*WOE1 + β2*WOE2 + ... + βk*WOEk这个形式让每个特征对最终分数的贡献可以拆成独立的加分项。业务方问“为什么这个人分低”，你可以直接回答：因为他的“近6个月查询次数”落在高风险箱里，这一项扣了35分。换成XGBoost就很难做到这种精确归因。
稳定性方面，逻辑回归方差小，对特征分布波动不敏感，上线后分数分布不容易漂移。对信贷这种需要长期监控的模型来说，这比微小的AUC提升重要得多。
所以在代码实现里，模型验证部分我不建议只盯AUC，KS才是风控更关心的指标。KS衡量的是好坏客户累计分布的最大差异，能更直观反映模型把好人和坏人分开的能力。我用toad内置的KS计算函数看一下就行：
from sklearn.metrics import roc_auc_score from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression x_train, x_test, y_train, y_test = train_test_split( data_woe[final_feas], data_woe['target'], test_size=0.3, random_state=42 ) lr = LogisticRegression(C=0.1, class_weight='balanced', max_iter=500) lr.fit(x_train, y_train) auc = roc_auc_score(y_test, lr.predict_proba(x_test)[:, 1]) ks = toad.metrics.KS(lr.predict_proba(x_test)[:, 1], y_test) print('AUC:', round(auc, 4)) print('KS:', round(ks, 4))C=0.1是我在评分卡里常用的正则化强度。评分卡入模特征都是WOE分箱转换后的变量，本身信息密度高但特征间可能还有残留相关性，稍微强一点的正则能压住系数的波动，线上表现更稳。
4.2 评分映射公式的推导与落地代码
从逻辑回归的概率到600分这个标准分数，中间有个固定公式，我每次都会手推一遍防止符号搞反。
我们定义好坏比odds为好客户概率与坏客户概率的比值：
odds = (1 - p) / p分数由这两个参数决定：
Score = A - B * logit这里logit = ln(p/(1-p))，所以logit越大票价风险越高，分数越低，公式里用负号。常数A和B怎么定？业界常用的设定是：
- 好
本文还有配套的精品资源，点击获取
