Korstabeller och pivottabeller
Finansiella data presenteras ofta som pivottabeller i kalkylprogram som Excel.
Med korstabeller får du en överblick över valda kolumner och kan även aggregera data, till exempel räkna förekomster eller beräkna medelvärden. För de flesta kreditriskmodeller, särskilt för sannolikhet för fallissemang, är kolumner som person_emp_length och person_home_ownership vanliga att börja undersöka.
Du kan se hur värdena är fördelade i datamängden och visualisera dem. Börja med att undersöka hur loan_status påverkas av faktorer som bostadsägande, låneklass och lånets andel av inkomsten.
Datamängden cr_loan har lästs in i workspace.
Den här övningen är en del av kursen
Kreditriskmodellering i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create a cross table of the loan intent and loan status
print(pd.____(cr_loan[____], cr_loan[____], margins = True))