add&modify: 调整分箱趋势记录代码，将其单独设为判断函数。

feature/feature_utils.py

@@ -59,23 +59,34 @@ def f_bins_filter(bins: pd.DataFrame, cols: list) -> list:
         if tmp_len <= 2:
             result_cols.append(tmp_col)
         else:
-            start_tr = tmp_br[1] - tmp_br[0]
-            pos_neg_flag = 0
-            for i in range(2,tmp_len):
-                tmp_tr = tmp_br[i] - tmp_br[i-1]
-                # 后一位bad_rate减前一位bad_rate，保证bad_rate的单调性
-                # 记录符号变化, 允许 最多一次符号变化，即U型分布
-                if (tmp_tr >= 0 and start_tr >= 0) or  (tmp_tr <= 0 and start_tr <= 0):
-                    # 满足趋势保持，查看下一位
-                    continue
-                else:
-                    # 记录一次符号变化
-                    pos_neg_flag += 1
-            # 记录满足趋势要求的变量
-            if pos_neg_flag <= 1:
+            tmp_judge = f_judge_monto(tmp_br)
+            # f_judge_monto 函数返回1表示list单调，0表示非单调
+            if tmp_judge:
                 result_cols.append(tmp_col)
     return result_cols
 
+# 此函数判断list的单调性，允许至多一次符号变化，即U型分布
+def f_judge_monto(bd_list: list) -> int:
+    start_tr = bd_list[1] - bd_list[0]
+    tmp_len = len(bd_list)
+    pos_neg_flag = 0
+    for i in range(2, tmp_len):
+        tmp_tr = bd_list[i] - bd_list[i - 1]
+        # 后一位bad_rate减前一位bad_rate，保证bad_rate的单调性
+        # 记录符号变化, 允许 最多一次符号变化，即U型分布
+        if (tmp_tr >= 0 and start_tr >= 0) or (tmp_tr <= 0 and start_tr <= 0):
+            # 满足趋势保持，查看下一位
+            continue
+        else:
+            # 记录一次符号变化
+            pos_neg_flag += 1
+    # 记录满足趋势要求的变量
+    if pos_neg_flag <= 1:
+        # 1 表示单调
+        return 1
+    # 0 表示非单调
+    return 0
+
 def f_get_woe(data: DataSplitEntity, c: td.transform.Combiner, to_drop:list) -> pd.DataFrame:
     transer = td.transform.WOETransformer()
     # 根据训练数据来训练woe转换器，并选择目标变量和排除变量