Tabele încrucișate și tabele pivot
Adesea, datele financiare sunt vizualizate sub formă de tabele pivot în aplicații precum Excel.
Cu tabelele încrucișate, obții o imagine de ansamblu asupra coloanelor selectate și poți aplica agregări precum număr de apariții sau medie. În majoritatea modelelor de risc de credit, în special pentru probabilitatea de nerambursare, coloane precum person_emp_length și person_home_ownership sunt un punct de plecare obișnuit în analiză.
Vei putea vedea cum sunt distribuite valorile în set de date și le vei vizualiza. Deocamdată, trebuie să verifici cum este influențat loan_status de factori precum tipul de proprietate, categoria creditului și ponderea creditului în venit.
Setul de date cr_loan a fost încărcat în spațiul de lucru.
Acest exercițiu face parte din cursul
Modelarea Riscului de Credit în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Create a cross table of the loan intent and loan status
print(pd.____(cr_loan[____], cr_loan[____], margins = True))