Impactul ratei de acceptare

Acum, analizează loan_amnt pentru fiecare împrumut, ca să înțelegi impactul asupra portofoliului în funcție de ratele de acceptare. Poți folosi tabele încrucișate cu valori calculate, cum ar fi suma medie a împrumutului, pentru noul set de împrumuturi X_test. În acest scop, vei înmulți numărul fiecărei categorii cu valoarea medie a loan_amnt.

Atunci când afișezi aceste valori, încearcă să le formatezi ca valori monetare, pentru ca numerele să pară mai realiste. Până la urmă, riscul de credit se reduce la bani. Acest lucru se realizează cu următorul cod:

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

Dataframe-ul cu predicții test_pred_df, care include acum coloana loan_amnt din X_test, a fost încărcat în spațiul de lucru.

Acest exercițiu face parte din cursul

Modelarea Riscului de Credit în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Afișează statisticile sumare ale coloanei loan_amnt folosind .describe().
Calculează valoarea medie a loan_amnt și stocheaz-o ca avg_loan.
Setează formatul de afișare pentru pandas la '${:,.2f}'.
Afișează tabelul încrucișat al statusului real al împrumutului și al statusului prezis, înmulțind fiecare valoare cu avg_loan.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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))

Editează și rulează codul