Het rendement van leninggoedkeuring visualiseren
In de financiële sector is het cruciaal voor zowel kredietverstrekkers als -nemers om te begrijpen welke factoren de goedkeuringspercentages van leningen beïnvloeden. Een financiële instelling heeft een onderzoek uitgevoerd en gegevens verzameld over leningaanvragen, met details over het aangevraagde bedrag, de kredietscore van de aanvrager, de werkstatus en het uiteindelijke rendement van het goedkeuringsproces. Deze rijke gegevensset biedt inzicht in de subtiele dynamiek van beslissingen over leningen. Jij bent gevraagd om in de gegevensset loan_approval_yield te duiken om te begrijpen hoe leenbedragen en kredietscoren de goedkeuringsrendementen beïnvloeden.
De DataFrame loan_approval_yield, seaborn als sns en matplotlib.pyplot als plt zijn al voor je ingeladen.
Deze oefening maakt deel uit van de cursus
Experimenteel ontwerpen in Python
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Use Seaborn to create the bar graph
sns.catplot(x="____",
y="____",
hue="____",
kind="____",
data=loan_approval_yield)
plt.title("Loan Approval Yield by Amount and Credit Score")
plt.show()