Влияние уровня одобрения на портфель

Теперь рассмотрим столбец loan_amnt (сумма кредита) для каждого займа, чтобы оценить влияние различных уровней одобрения на кредитный портфель. Вы можете использовать перекрёстные таблицы с вычисляемыми значениями — например, средней суммой кредита — для нового набора займов X_test. Для этого умножьте количество займов каждого типа на среднее значение loan_amnt.

При выводе этих значений попробуйте отформатировать их как денежные суммы, чтобы числа выглядели более наглядно. В конечном счёте, кредитный риск — это всегда про деньги. Для этого используйте следующий код:

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

Фрейм данных с прогнозами test_pred_df, в который уже добавлен столбец loan_amnt из X_test, загружен в рабочую среду.

Это упражнение является частью курса

Моделирование кредитного риска на Python

Посмотреть курс

Инструкции к упражнению

Выведите сводную статистику по столбцу loan_amnt с помощью .describe().
Вычислите среднее значение loan_amnt и сохраните его в переменную avg_loan.
Задайте формат отображения чисел в pandas как '${:,.2f}'.
Выведите перекрёстную таблицу истинного и предсказанного статуса займа, умножив каждое значение на avg_loan.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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))

Редактировать и запускать код