Impact van acceptatiegraad

Kijk nu naar de loan_amnt van elke lening om de impact op de portefeuille bij verschillende acceptatiegraden te begrijpen. Je kunt kruistabellen gebruiken met berekende waarden, zoals het gemiddelde leenbedrag, van de nieuwe set leningen X_test. Hiervoor vermenigvuldig je het aantal in elke cel met een gemiddelde loan_amnt-waarde.

Probeer bij het afdrukken van deze waarden valutaopmaak te gebruiken, zodat de getallen realistischer ogen. Kredietrisico draait tenslotte om geld. Dat doe je met de volgende code:

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

De data frame met voorspellingen test_pred_df, die nu de kolom loan_amnt uit X_test bevat, is in de werkruimte geladen.

Deze oefening maakt deel uit van de cursus

Kredietrisicomodellering in Python

Cursus bekijken

Oefeninstructies

Print de samenvattende statistieken van de kolom loan_amnt met .describe().
Bereken de gemiddelde waarde van loan_amnt en sla die op als avg_loan.
Stel de opmaak voor pandas in op '${:,.2f}'.
Print de kruistabel van de echte leenstatus en de voorspelde leenstatus en vermenigvuldig elke cel met avg_loan.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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))

Code bewerken en uitvoeren