CommencezCommencez gratuitement

Tableaux croisés et tableaux croisés dynamiques

Souvent, les données financières sont examinées sous forme de tableau croisé dynamique dans des chiffriers comme Excel.

Avec des tableaux croisés, vous obtenez une vue d'ensemble de colonnes choisies et même des agrégations comme un dénombrement ou une moyenne. Pour la plupart des modèles de risque de crédit, surtout pour la probabilité de défaut, des colonnes comme person_emp_length et person_home_ownership sont des points de départ fréquents pour l'exploration.

Vous pourrez voir comment les valeurs se répartissent dans l'ensemble des données et les visualiser. Pour l'instant, vous devez vérifier comment loan_status est influencée par des facteurs comme le statut de propriété du logement, la cote du prêt et le pourcentage du revenu consacré au prêt.

L'ensemble de données cr_loan a été chargé dans l'espace de travail.

Cette activité fait partie du cours

Modélisation du risque de crédit en Python

Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create a cross table of the loan intent and loan status
print(pd.____(cr_loan[____], cr_loan[____], margins = True))
Modifier et exécuter le code