Wpływ wskaźnika akceptacji

Przyjrzyj się teraz kolumnie loan_amnt dla każdego kredytu, aby zrozumieć wpływ wskaźników akceptacji na portfel. Możesz użyć tabel krzyżowych z obliczonymi wartościami – na przykład średnią kwotą kredytu – dla nowego zbioru pożyczek X_test. W tym celu pomnóż liczbę przypadków każdego typu przez średnią wartość loan_amnt.

Podczas wyświetlania tych wartości spróbuj sformatować je jako walutę, dzięki czemu liczby będą wyglądać bardziej realistycznie. W końcu ryzyko kredytowe to przede wszystkim pieniądze. Służy do tego następujący kod:

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

Ramka danych z prognozami test_pred_df, zawierająca teraz kolumnę loan_amnt z X_test, została wczytana do środowiska pracy.

To ćwiczenie jest częścią kursu

Modelowanie ryzyka kredytowego w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Wyświetl statystyki podsumowujące kolumny loan_amnt przy użyciu .describe().
Oblicz średnią wartość kolumny loan_amnt i zapisz ją jako avg_loan.
Ustaw format wyświetlania dla pandas na '${:,.2f}'.
Wyświetl tabelę krzyżową rzeczywistego i przewidywanego statusu kredytu, mnożąc każdą wartość przez avg_loan.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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))

Edytuj i uruchom kod