क्रॉसटैब और पिवट टेबल्स
अक्सर वित्तीय डेटा को Excel जैसी स्प्रेडशीट्स में पिवट टेबल के रूप में देखा जाता है.
क्रॉस टेबल्स से आप चुने हुए कॉलम्स का उच्च-स्तरीय व्यू पाते हैं और काउंट या औसत जैसी एग्रीगेशन भी कर सकते हैं। अधिकांश क्रेडिट रिस्क मॉडलों में, खासकर probability of default के लिए, person_emp_length और person_home_ownership जैसे कॉलम्स से जाँच शुरू करना आम है.
आप देख पाएँगे कि डेटा में मान कैसे भरे हुए हैं, और उन्हें विज़ुअलाइज़ कर पाएँगे। फिलहाल, आपको जाँचना है कि loan_status पर home ownership status, loan grade, और आय के प्रतिशत के रूप में लोन (loan percentage of income) जैसे फ़ैक्टर्स का क्या असर पड़ता है.
वर्कस्पेस में cr_loan डेटासेट लोड कर दिया गया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में क्रेडिट रिस्क मॉडलिंग
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create a cross table of the loan intent and loan status
print(pd.____(cr_loan[____], cr_loan[____], margins = True))