Crosstab y tablas dinámicas
A menudo, los datos financieros se ven como una tabla dinámica en hojas de cálculo como Excel.
Con las tablas cruzadas, obtienes una vista de alto nivel de las columnas seleccionadas e incluso agregaciones como un recuento o una media. Para la mayoría de los modelos de riesgo de crédito, especialmente para la probabilidad de impago, columnas como person_emp_length
y person_home_ownership
son habituales para empezar a investigar.
Podrás ver cómo se rellenan los valores a lo largo de los datos, y visualizarlos. Por ahora, tienes que comprobar cómo afecta a loan_status
factores como la condición de propietario de la vivienda, el grado del préstamo y el porcentaje del préstamo sobre los ingresos.
El conjunto de datos cr_loan
se ha cargado en el espacio de trabajo.
Este ejercicio forma parte del curso
Modelado del riesgo crediticio en Python
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
# Create a cross table of the loan intent and loan status
print(pd.____(cr_loan[____], cr_loan[____], margins = True))