Dopad míry schvalování

Teď se podíváme na sloupec loan_amnt jednotlivých půjček, abys lépe pochopil/a dopad různých mír schvalování na portfolio. Pomocí křížových tabulek s vypočtenými hodnotami, jako je průměrná výše půjčky, můžeš analyzovat novou sadu půjček X_test. K tomu vynásob počet každé kategorie průměrnou hodnotou loan_amnt.

Při výpisu těchto hodnot zkus použít formátování jako měna – čísla pak budou vypadat realisticky. Koneckonců, kreditní riziko je celé o penězích. Formátování nastavíš tímto kódem:

pd.options.display.float_format = '${:,.2f}'.format

DataFrame s predikcemi test_pred_df, který teď obsahuje i sloupec loan_amnt z X_test, je už načtený v prostředí.

Toto cvičení je součástí kurzu

Credit Risk Modeling in Python

Zobrazit kurz

Pokyny k cvičení

Vypiš souhrnné statistiky sloupce loan_amnt pomocí .describe().
Vypočítej průměrnou hodnotu loan_amnt a ulož ji jako avg_loan.
Nastav formátování pandas na '${:,.2f}'.
Vypiš křížovou tabulku skutečného a predikovaného stavu půjčky, přičemž každou hodnotu vynásob avg_loan.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Print the statistics of the loan amount column
print(____[____].____())

# Store the average loan amount
____ = np.____(____[____])

# Set the formatting for currency, and print the cross tab
pd.options.display.float_format = ____.format
print(pd.____(____[____],
                 ____[____]).apply(lambda x: x * ____, axis = 0))

Upravit a spustit kód