基于收支模擬花唄還款情況 2019-05-29

image.png

收支情況模擬構(gòu)建思路:
1璃饱、構(gòu)建稅收函數(shù)
2、構(gòu)建專項扣除函數(shù)
3肪康、構(gòu)建社保函數(shù)
4荚恶、構(gòu)建獎金函數(shù)
5撩穿、構(gòu)建10年(即120個月)的專項扣除后和社保扣除后的稅收函數(shù)
6谒撼、構(gòu)建支出函數(shù)
7食寡、構(gòu)建花唄使用情況模型
8、每次取不同的隨機數(shù)進行模擬

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
import warnings
warnings.filterwarnings

1廓潜、構(gòu)建稅收函數(shù)

def tax(x):
    if x<=5000:
        return 0
    elif x<=(5000+3000):
        return (x-5000)*0.03
    elif x<=(5000+3000+4000):
        return 3000*0.03+(x-5000-3000)*0.1
    elif x<=(5000+3000+4000+13000):
        return 3000*0.03+4000*0.1+(x-5000-3000-4000)*0.2
    elif x<=(5000+3000+4000+13000+10000):
        return 3000*0.03+4000*0.1+13000*0.2+(x-5000-3000-4000-13000)*0.25
    elif x<=(5000+3000+4000+13000+10000+20000):
        return 3000*0.03+4000*0.1+13000*0.2+10000*0.25+(x-5000-3000-4000-13000-10000)*0.3
    elif x<=(5000+3000+4000+13000+10000+20000+25000):
        return 3000*0.03+4000*0.1+13000*0.2+10000*0.25+20000*0.3+(x-5000-3000-4000-13000-10000-20000)*0.35
    elif x<=(5000+3000+4000+13000+10000+20000+25000+100000):
        return (x-5000)*0.45

2抵皱、構(gòu)建專項扣除函數(shù)
ched:子女教育,每個子女按1000元/月扣除,ched_mount:子女教育數(shù)量
mortgage:首套房貸利息辩蛋,按1000元/月扣除呻畸,=1則為有,=0則為沒有
rent:住房租金悼院,按1500元/月扣除伤为,=1則為有,=0則為沒有
support:贍養(yǎng)老人据途,獨生子女按2000元/月绞愚,非獨生子女每人1000元/月扣除
only:是否獨生,獨生=2颖医,非獨生=1

def deduction(ched,ched_mount,mortgage,rent,support,only):
    if mortgage==1:
        return 1000*ched_mount+1000+support*1000*only
    else:
        return 1000*ched_mount+rent*1500+support*1000*only

3爽醋、構(gòu)建社保函數(shù)

def insurance(s):#s為繳費基數(shù)
    insurance_i=pd.DataFrame({
        '養(yǎng)老保險':s*0.08,
        '醫(yī)療保險':s*0.02,
        '失業(yè)保險':s*0.01
    },index = [0])
    insurance_i['社保扣除']=insurance_i['養(yǎng)老保險']+insurance_i['醫(yī)療保險']+insurance_i['失業(yè)保險']
    return int(insurance_i['社北慵梗扣除'])

4蚂四、構(gòu)建獎金函數(shù)

def bouns(a):
    return pd.Series(np.random.normal(loc=a,scale=200,size=120))

5、構(gòu)建120個月的專項扣除后和社蹦奶担扣除后的稅收函數(shù)

def final_tax(s,s1,a,ched,ched_mount,mortgage,rent,support,only):
    df_i=pd.DataFrame({
        '月薪':[s for i in range(120)],
        '專項扣除':[deduction(ched,ched_mount,mortgage,rent,support,only) for i in range(120)],
        '社彼煸扣除':[insurance(s1) for i in range(120)],
        '獎金':bouns(a)
    })
    df_i['計稅部分']=df_i['月薪']+df_i['獎金'] 
    df_i['稅收']=df_i['計稅部分'].apply(lambda x:tax(x))
    df_i['凈收入']=df_i['月薪']+df_i['獎金']-df_i['稅收']-df_i['社保扣除']
    return df_i

出圖:前12個月收入柱狀圖

plt.title('前12個月收入柱狀圖')
df2['凈收入'].iloc[:12].plot(kind='Bar',stacked=True,alpha=0.6,color='Red')
plt.grid()
plt.figure(figsize=(12,4))
image.png

6晌杰、構(gòu)建支出函數(shù)
假設(shè)總支出共分為五部分:房租水電(在3000左右跷睦,上下浮動200),家用(2000)肋演,基本生活支出(3000左右抑诸,上下浮動500),交際交通(2500左右爹殊,上下浮動800)蜕乡,日用品化妝品(2000左右,上下浮動500)

def expense():
    df_2=pd.DataFrame({
        '房租水電':np.random.normal(loc=3000,scale=200,size=120),
        '家用':[2000 for i in range (120)],
        '基本支出':np.random.normal(loc=3000,scale=500,size=120),
        '交通交際':np.random.normal(loc=2500,scale=800,size=120),
        '日用支出':np.random.normal(loc=2000,scale=500,size=120)
    })
    df_2['總支出']=df_2['房租水電']+df_2['家用']+df_2['基本支出']+df_2['交通交際']+df_2['日用支出']
    return df_2

出圖:前12個月支出直方圖

result[['房租水電','家用','基本支出','交通交際','日用支出']].iloc[:12].plot(kind='Bar',figsize=(8,6),
stacked=True,colormap='Reds_r',alpha=0.6)
plt.title('前12個月支出直方圖')
plt.grid()
image.png

7梗夸、構(gòu)建花唄使用情況模型,假設(shè)不使用分期

#制作樣本數(shù)據(jù)(收入层玲、支出、盈余、負(fù)債)
income=df2['凈收入'].tolist()
exp=expense()['總支出'].tolist()
saving=[0 for i in range(120)]
debt=[0 for i in range(120)]
#構(gòu)建收支模型
def case():
    month=[]#存放月份
    data=[]#存放收支數(shù)據(jù)
    for i in range(119):
        money=income[i]+saving[i]-exp[i]-debt[i]
        if money<-10000:
            print('第%i個月花唄也救不了我了辛块,我要吃土了E吓伞!润绵!'%i)
        else:
            if money>0:
                saving[i+1]=income[i]+saving[i]-exp[i]-debt[i]
                debt[i+1]=0
            else:
                saving[i+1]=0
                debt[i+1]=-(income[i]+saving[i]-exp[i]-debt[i])
        month.append(i+1)
        data.append([income[i],exp[i],saving[i+1],debt[i+1]])
    result=pd.DataFrame(data,columns=['月收入','月支出','盈余','負(fù)債'],index=month)
    return result

出圖:前12個月收支盈虧情況

case().iloc[:12].plot(kind='Bar',figsize=(7,5),stacked=True,colormap='Reds',alpha=0.6)
plt.title('前12個月收支盈虧情況')
plt.grid()
image.png

8线椰、每次取不同的支出隨機數(shù)進行模擬并出圖

case_a=[]
for i in range(10):
    print('正在進行第%i次模擬'%i)
    income=df2['凈收入'].tolist()
    exp=expense()['總支出'].tolist()
    saving=[0 for i in range(120)]
    debt=[0 for i in range(120)]
    result_a=case()
    case_a.append(result_a)
    result_a.iloc[:12].plot(kind='Bar',figsize=(10,8),stacked=True,colormap='Reds',alpha=0.6)
    plt.title('第%i次模擬,前12個月收支盈虧情況'%i)
    plt.grid()

以上即為此次模擬全過程尘盼,快來預(yù)測看看吧~

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末士嚎,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子悔叽,更是在濱河造成了極大的恐慌,老刑警劉巖爵嗅,帶你破解...
    沈念sama閱讀 217,406評論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件娇澎,死亡現(xiàn)場離奇詭異,居然都是意外死亡睹晒,警方通過查閱死者的電腦和手機趟庄,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,732評論 3 393
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來伪很,“玉大人戚啥,你說我怎么就攤上這事★笔裕” “怎么了猫十?”我有些...
    開封第一講書人閱讀 163,711評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長呆盖。 經(jīng)常有香客問我拖云,道長,這世上最難降的妖魔是什么应又? 我笑而不...
    開封第一講書人閱讀 58,380評論 1 293
  • 正文 為了忘掉前任宙项,我火速辦了婚禮,結(jié)果婚禮上株扛,老公的妹妹穿的比我還像新娘尤筐。我一直安慰自己,他們只是感情好洞就,可當(dāng)我...
    茶點故事閱讀 67,432評論 6 392
  • 文/花漫 我一把揭開白布盆繁。 她就那樣靜靜地躺著,像睡著了一般旬蟋。 火紅的嫁衣襯著肌膚如雪改基。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,301評論 1 301
  • 那天,我揣著相機與錄音秕狰,去河邊找鬼稠腊。 笑死,一個胖子當(dāng)著我的面吹牛鸣哀,可吹牛的內(nèi)容都是我干的架忌。 我是一名探鬼主播,決...
    沈念sama閱讀 40,145評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼我衬,長吁一口氣:“原來是場噩夢啊……” “哼叹放!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起挠羔,我...
    開封第一講書人閱讀 39,008評論 0 276
  • 序言:老撾萬榮一對情侶失蹤井仰,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后破加,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體俱恶,經(jīng)...
    沈念sama閱讀 45,443評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,649評論 3 334
  • 正文 我和宋清朗相戀三年范舀,在試婚紗的時候發(fā)現(xiàn)自己被綠了合是。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,795評論 1 347
  • 序言:一個原本活蹦亂跳的男人離奇死亡锭环,死狀恐怖聪全,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情辅辩,我是刑警寧澤难礼,帶...
    沈念sama閱讀 35,501評論 5 345
  • 正文 年R本政府宣布,位于F島的核電站玫锋,受9級特大地震影響鹤竭,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜景醇,卻給世界環(huán)境...
    茶點故事閱讀 41,119評論 3 328
  • 文/蒙蒙 一臀稚、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧三痰,春花似錦吧寺、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,731評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至获搏,卻和暖如春赖条,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,865評論 1 269
  • 我被黑心中介騙來泰國打工纬乍, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留碱茁,地道東北人。 一個月前我還...
    沈念sama閱讀 47,899評論 2 370
  • 正文 我出身青樓仿贬,卻偏偏與公主長得像纽竣,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子茧泪,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,724評論 2 354

推薦閱讀更多精彩內(nèi)容

  • 有一種堅強蜓氨,叫做自己行走。
    十七八歲的夏天閱讀 154評論 0 1
  • 文枯思斷 但這幾日偶然做了一手好菜鹵队伟。夏天配點小蔥黃瓜絲穴吹,回到很多年的美好回憶。 主料:土豆嗜侮、花菜(這二種主菜港令,可...
    夜煞_e451閱讀 362評論 0 1
  • 我:兒子,這兩天作業(yè)很多棘钞,媽媽理解你很辛苦。 兒子:多的我都不想寫干毅。 我:媽媽看到你很努力的在做好自己的事情宜猜。 兒...
    小石印兒閱讀 257評論 0 2
  • 今天,我第一次體會到了沒錢的滋味硝逢。 早晨姨拥,去學(xué)校文印室打印論文,我想到上次也就兩三塊渠鸽,這次應(yīng)該也差不多叫乌,我拿出支付...
    你看看你啊閱讀 160評論 0 0