【python数据分析】练习3：描述性统计-信用卡客户画像_本数据为一家银行的个人金融业务数据集。这份数据中涉及到5300个银行客户的100万

数据集及源码https://github.com/JCATHoney/python-data-analysis

一、问题描述

1、不同类型卡的持卡人（type=所有者）的性别对比

2、不同类型卡的持卡人在办卡时的平均年龄对比

3、不同类型卡的持卡人在办卡前一年内的平均帐户余额对比

4、不同类型卡的持卡人在办卡前一年内的平均收入对比

二、数据集

描述：本数据为一家银行的个人金融业务数据集，可以作为银行场景下进行个人客户业务分析和数据挖掘的示例。这份数据中涉及到5300个银行客户的100万笔的交易，而且涉及700份贷款信息与近900张信用卡的数据。通过分析这份数据可以获取与银行服务相关的业务知识
总共8张表：

表结构

E-R图：

3、求解

1、 不同类型卡的持卡人（type=所有者）的性别对比
2、不同类型卡的持卡人在办卡时的平均年龄对比

分析：
需要的信息：持卡类型，持卡人性别，持卡人年龄，发卡时间
涉及的表格：card,disp,client
（1）表连接

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
import seaborn as sns
import os
import time

#%%
os.chdir(r'C:\Users\Away\Desktop\笔记\数据分析\数据科学实践')
#%%
#先读取三张表
card= pd.read_csv('card.csv',encoding='gbk')
disp= pd.read_csv('disp.csv',encoding='gbk')#权限分配表
clients= pd.read_csv('clients.csv',encoding='gbk')

#%%
import sqlite3 # sqlite3相当于轻量版，更多功能可使用SQLAlchemy
con = sqlite3.connect(':memory:') # 数据库连接
# sale.to_sql('sale', con) # 将DataFrame注册成可用sql查询的表
# newTable = pd.read_sql_query("select year, market,
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20