CommencerCommencer gratuitement

Tableaux croisés et tableaux croisés dynamiques

Dans les services financiers, on consulte souvent les données sous forme de tableau croisé dynamique dans des feuilles de calcul comme Excel.

Les tableaux croisés offrent une vue d’ensemble de colonnes choisies et permettent des agrégations comme un décompte ou une moyenne. Pour la plupart des modèles de risque de crédit, en particulier pour la probabilité de défaut, des colonnes comme person_emp_length et person_home_ownership sont de bons points de départ 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 propriétaire, la note du prêt et le pourcentage du prêt par rapport au revenu.

Le jeu de données cr_loan a été chargé dans l’environnement de travail.

Cet exercice fait partie du cours

Modélisation du risque de crédit en Python

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

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