승인율 영향 분석

이제 각 대출의 loan_amnt를 확인해 승인율이 포트폴리오에 미치는 영향을 살펴보세요. 새 대출 집합인 X_test에서 평균 대출금액처럼 계산된 값을 교차표로 만들어 볼 수 있어요. 이를 위해 각 건수에 평균 loan_amnt 값을 곱해 주세요.

값을 출력할 때는 통화 형식으로 포맷팅하여 숫자가 더 현실적으로 보이도록 해 보세요. 결국 신용위험은 돈과 직결되어 있죠. 다음 코드를 사용하면 됩니다:

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

X_test의 loan_amnt 열이 포함된 예측 데이터 프레임 test_pred_df가 작업 공간에 로드되어 있어요.

이 연습은 강의의 일부입니다

Python으로 배우는 신용 리스크 모델링

강의 보기

연습 안내

.describe()를 사용해 loan_amnt 열의 요약 통계를 출력하세요.
loan_amnt의 평균값을 계산하여 avg_loan에 저장하세요.
pandas의 표시 형식을 '${:,.2f}'로 설정하세요.
실제 대출 상태와 예측 대출 상태의 교차표를 만들고, 각 셀 값에 avg_loan을 곱해 출력하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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))

코드 편집 및 실행