Auswirkung der Annahmequote
Sieh dir jetzt die loan_amnt jeder Kreditanfrage an, um den Einfluss auf das Portfolio in Bezug auf die Annahmequoten zu verstehen. Du kannst Kreuztabellen mit berechneten Werten wie dem durchschnittlichen Kreditbetrag für den neuen Satz an Krediten X_test verwenden. Dazu multiplizierst du die Anzahl jeder Kategorie mit einem durchschnittlichen loan_amnt-Wert.
Formatiere diese Werte beim Ausgeben am besten als Währung, damit die Zahlen realistischer wirken. Schließlich dreht sich Kreditrisiko um Geld. Das erreichst du mit folgendem Code:
pd.options.display.float_format = '${:,.2f}'.format
Der DataFrame mit den Vorhersagen test_pred_df, der jetzt auch die Spalte loan_amnt aus X_test enthält, wurde in den Workspace geladen.
Diese Übung ist Teil des Kurses
Kreditrisikomodellierung in Python
Anleitung zur Übung
- Gib die zusammenfassenden Statistiken der Spalte
loan_amntmit.describe()aus. - Berechne den Durchschnittswert von
loan_amntund speichere ihn alsavg_loan. - Setze das Format für
pandasauf'${:,.2f}'. - Gib die Kreuztabelle aus wahrem und vorhergesagtem Kreditstatus aus und multipliziere jede Zelle mit
avg_loan.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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))