# 统计是否被诈骗数量分布 num_fraud = data[data['fraud'] == 1.0].shape[0] # fraud = 1.0 表示 被诈骗数据 num_no_fraud = ??? # fraud = 0.0 表示 未被诈骗数据

你可以使用类似下面的代码来统计是否被诈骗数量分布：

num_fraud = data[data['fraud'] == 1.0].shape[0]
num_no_fraud = data[data['fraud'] == 0.0].shape[0]
print("被诈骗的数量：", num_fraud)
print("未被诈骗的数量：", num_no_fraud)

其中，`data['fraud'] == 1.0` 表示选取 `data` 数据集中 `fraud` 列中等于 `1.0` 的行。`shape[0]` 表示选取的行数，即被诈骗的数量或未被诈骗的数量。注意，`fraud` 列中的值可能是浮点型，因此需要使用 `1.0` 或 `0.0` 来比较。

相关问题

#第 2步：计算 表NotFraud 的相关性 # 这里计算 除 fraud列 的剩余7列的相关性 corr_Fraud = Fraud.loc[:, Fraud.columns != 'fraud'].corr() # 查看计算结果 corr_Fraud

你可以使用 `corr()` 方法来计算相关性，如下所示：

# 计算表Fraud的相关性
corr_Fraud = Fraud.loc[:, Fraud.columns != 'fraud'].corr()
print(corr_Fraud)

这将计算 `Fraud` 表中除 `fraud` 列以外的所有列（即剩余的七列）两两之间的相关性，并存储在 `corr_Fraud` 中。使用 `loc[]` 方法可以按标签选取行或列， `[:, Fraud.columns != 'fraud']` 表示选取所有行，并且选取除 `fraud` 列以外的所有列。最后使用 `print()` 函数输出相关性矩阵。

df1 = data.query('fraud == 1') df2 = data.query('fraud == 0').sample(len(df1)) data = pd.concat([df1,df2],axis=0).reset_index(drop=True)

这段代码的作用是将原始数据集按照欺诈标记fraud进行分组，得到欺诈数据集df1和非欺诈数据集df2。然后从非欺诈数据集df2中随机抽取与欺诈数据集df1相同数量的样本，得到新的非欺诈数据集df2。最后将欺诈数据集df1和新的非欺诈数据集df2进行合并，得到新的数据集data，并重新设置索引。这个过程叫做欺诈数据集的下采样，目的是为了平衡欺诈和非欺诈数据的比例。