受理率の影響
次に、各ローンの loan_amnt を確認して、受理率がポートフォリオに与える影響を理解しましょう。新しいローン集合である X_test について、平均ローン金額のような計算値を使ったクロス集計が利用できます。ここでは、各件数に平均の loan_amnt 値を掛け合わせます。
これらの値を表示する際は、通貨形式でフォーマットして、より現実的な見た目にしてみてください。クレジットリスクは結局のところお金の話だからです。次のコードで実現できます。
pd.options.display.float_format = '${:,.2f}'.format
X_test から loan_amnt 列を取り込んだ、予測のデータフレーム test_pred_df はワークスペースに読み込まれています。
この演習はコースの一部です
Pythonで学ぶクレジットリスクモデリング
演習の手順
.describe()を使ってloan_amnt列の要約統計量を表示します。loan_amntの平均値を計算してavg_loanに保存します。pandasの表示形式を'${:,.2f}'に設定します。- 真のローンステータスと予測ローンステータスのクロス集計を表示し、各セルに
avg_loanを掛けた値を出力します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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))