Tabelas cruzadas e tabelas dinâmicas
Com frequência, dados financeiros são analisados como tabelas dinâmicas em planilhas como o Excel.
Com tabelas cruzadas, você obtém uma visão geral de colunas selecionadas e até agregaçőes como contagem ou média. Para a maioria dos modelos de risco de crédito, especialmente para probabilidade de inadimplência, colunas como person_emp_length e person_home_ownership são comuns para começar a investigar.
Você poderá ver como os valores se distribuem ao longo do conjunto de dados e visualizá-los. Por enquanto, você precisa verificar como loan_status é afetado por fatores como situação de propriedade do imóvel, grau do empréstimo e porcentagem do empréstimo em relação à renda.
O conjunto de dados cr_loan já foi carregado no workspace.
Este exercício faz parte do curso
Modelagem de Risco de Crédito em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Create a cross table of the loan intent and loan status
print(pd.____(cr_loan[____], cr_loan[____], margins = True))