शुरू करेंमुफ़्त में शुरू करें

स्वीकृति दर का प्रभाव

अब, स्वीकृति दरों के प्रभाव को पोर्टफोलियो पर समझने के लिए प्रत्येक लोन के loan_amnt को देखें। आप नए लोन सेट X_test के औसत लोन राशि जैसे calculated values के साथ cross tables का उपयोग कर सकते हैं। इसके लिए, आप प्रत्येक की संख्या को औसत loan_amnt मान से गुणा करेंगे।

इन मानों को प्रिंट करते समय, उन्हें मुद्रा (currency) के रूप में फॉर्मेट करने की कोशिश करें ताकि संख्याएँ अधिक वास्तविक लगें। आखिरकार, क्रेडिट रिस्क पूरी तरह पैसों से जुड़ा है। यह निम्नलिखित कोड से किया जा सकता है:

pd.options.display.float_format = '${:,.2f}'.format

predictions डेटा फ्रेम test_pred_df, जिसमें अब X_test से loan_amnt कॉलम शामिल है, वर्कस्पेस में लोड कर दिया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में क्रेडिट रिस्क मॉडलिंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • .describe() का उपयोग करके loan_amnt कॉलम के summary statistics प्रिंट करें।
  • loan_amnt का average मान निकालकर avg_loan के रूप में सहेजें।
  • pandas के लिए फॉर्मेटिंग '${:,.2f}' सेट करें।
  • true loan status और predicted loan status की cross table प्रिंट करें, और प्रत्येक मान को avg_loan से गुणा करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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))
कोड संपादित करें और चलाएँ