Перекрёстные таблицы и сводные таблицы
Финансовые данные нередко представляют в виде сводных таблиц — например, в Excel.
Перекрёстные таблицы дают общее представление о выбранных столбцах и позволяют выполнять агрегирование: подсчёт количества, вычисление среднего и другие операции. В большинстве моделей кредитного риска, особенно при оценке вероятности дефолта, анализ обычно начинают со столбцов вроде person_emp_length и person_home_ownership.
Таким образом вы сможете оценить распределение значений в данных и визуализировать их. Сейчас вам нужно изучить, как loan_status зависит от таких факторов, как тип собственности на жильё, категория займа и доля займа в доходе.
Набор данных cr_loan уже загружен в рабочую среду.
Это упражнение является частью курса
Моделирование кредитного риска на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Create a cross table of the loan intent and loan status
print(pd.____(cr_loan[____], cr_loan[____], margins = True))