如何推导用户信用状态从守信到失信转变的判定指标

核心判定逻辑 #

目标指标仅需要识别是否存在「前一个时间节点为守信（1）、后一个相邻时间节点为失信（0）」的情况，存在则标记为1，不存在则标记为0。

实现步骤 #

• 第一步：按时间升序对齐用户的三个时间节点状态，依次记为s1（2016-01-31状态）、s2（2016-02-29状态）、s3（2016-03-31状态）
• 第二步：计算两组相邻节点的状态差：diff1 = s2 - s1、diff2 = s3 - s2
• 第三步：如果diff1 == -1 或 diff2 == -1，指标赋值为1，否则赋值为0

样例验证 #

你给出的样例数据如下：

2016-01-31 1
2016-02-29 1
2016-03-31 0
计算可得diff1 = 0、diff2 = -1，符合判定条件，最终指标值为1。

通用代码实现（Python） #

如果需要批量处理多用户数据，可以参考以下实现逻辑：

def has_trust_to_break(status_list):
    # status_list 为按时间升序排列的用户状态序列
    for idx in range(1, len(status_list)):
        if status_list[idx-1] == 1 and status_list[idx] == 0:
            return 1
    return 0

# 样例测试
print(has_trust_to_break([1,1,0])) # 输出1
print(has_trust_to_break([1,1,1])) # 输出0
print(has_trust_to_break([0,1,0])) # 输出1

内容的提问来源于stack exchange，提问作者Rinat Devyatyarov