Efecto de la tasa de aceptación
Ahora, mira el loan_amnt
de cada préstamo para comprender el impacto en el portafolio de las tasas de aceptación. Puedes utilizar tablas cruzadas con valores calculados, como el importe medio del préstamo, del nuevo conjunto de préstamos X_test
. Para ello, multiplicarás el número de cada uno por un valor medio de loan_amnt
.
Cuando imprimas estos valores, intenta formatearlos como moneda para que los números parezcan más reales. Al fin y al cabo, el riesgo crediticio tiene que ver con el dinero. Esto se consigue con el siguiente código:
pd.options.display.float_format = '${:,.2f}'.format
El marco de datos de predicciones test_pred_df
, que ahora incluye la columna loan_amnt
de X_test
, se ha cargado en el espacio de trabajo.
Este ejercicio forma parte del curso
Modelado del riesgo crediticio en Python
Instrucciones de ejercicio
- Imprime las estadísticas resumidas de la columna
loan_amnt
mediante.describe()
. - Calcula el valor medio de
loan_amnt
y guárdalo comoavg_loan
. - Establece el formato de
pandas
en'${:,.2f}'
- Imprime la tabla cruzada del estado real del préstamo y el estado previsto del préstamo multiplicando cada uno de ellos por
avg_loan
.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# 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))