교차표와 피벗 테이블
금융 데이터는 종종 Excel 같은 스프레드시트에서 피벗 테이블로 살펴봅니다.
교차표를 사용하면 선택한 열들의 분포를 전체적으로 파악하고, 개수나 평균 같은 집계를 볼 수 있어요. 대부분의 신용위험 모델, 특히 연체 가능성(probability of default)을 다룰 때는 person_emp_length와 person_home_ownership 같은 열부터 탐색을 시작하는 경우가 많습니다.
이렇게 하면 값이 데이터 전반에 어떻게 분포하는지 확인하고 시각화할 수 있어요. 지금은 loan_status가 주택 소유 상태, 대출 등급, 소득 대비 대출 비율 같은 요인의 영향을 어떻게 받는지 확인해 보세요.
데이터셋 cr_loan이 작업 공간에 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 신용 리스크 모델링
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create a cross table of the loan intent and loan status
print(pd.____(cr_loan[____], cr_loan[____], margins = True))