Explorer la satisfaction du client
La fusion d'ensembles de données est une compétence essentielle dans l'analyse des données, en particulier lorsqu'il s'agit de données connexes provenant de sources différentes. Vous travaillez sur un projet pour une institution financière afin de comprendre la relation entre les taux d'approbation des prêts et la satisfaction des clients. Deux études distinctes ont été menées : l'une portant sur le taux d'approbation des prêts en fonction de différents facteurs, et l'autre sur la satisfaction des clients dans différentes conditions. Votre tâche consiste à analyser la corrélation entre le taux d'approbation et la satisfaction des clients, en tenant compte d'une autre variable telle que les taux d'intérêt.
Les DataFrame loan_approval_yield
et customer_satisfaction
, pandas
comme pd
, numpy
comme np
, seaborn
comme sns
, et matplotlib.pyplot
comme plt
ont été chargés pour vous.
Cet exercice fait partie du cours
Conception expérimentale en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Merge the two datasets
merged_data = pd.____(loan_approval_yield,
____,
on='____')