Impacto na taxa de aceitação
Agora, consulte o site loan_amnt de cada empréstimo para entender o impacto no portfólio das taxas de aceitação. Você pode usar tabelas cruzadas com valores calculados, como o valor médio do empréstimo, do novo conjunto de empréstimos X_test. Para isso, você multiplicará o número de cada um com um valor médio loan_amnt.
Ao imprimir esses valores, tente formatá-los como moeda para que os números pareçam mais realistas. Afinal de contas, o risco de crédito tem tudo a ver com dinheiro. Isso é feito com o seguinte código:
pd.options.display.float_format = '${:,.2f}'.format
O quadro de dados de previsões test_pred_df, que agora inclui a coluna loan_amnt de X_test, foi carregado no espaço de trabalho.
Este exercício faz parte do curso
Modelagem de risco de crédito em Python
Instruções do exercício
- Imprima as estatísticas resumidas da coluna
loan_amntusando.describe(). - Calcule o valor médio de
loan_amnte armazene-o comoavg_loan. - Defina a formatação para
pandascomo'${:,.2f}' - Imprima a tabela cruzada do status real do empréstimo e do status previsto do empréstimo, multiplicando cada um por
avg_loan.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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))