Hitta avvikande värden med korstabeller
Nu behöver du hitta och ta bort avvikande värden som du misstänker finns i datan. I den här övningen kan du använda korstabeller och aggregatfunktioner.
Titta närmre på kolumnen person_emp_length. Du har tidigare använt argumentet aggfunc = 'mean' för att se medelvärdet av en numerisk kolumn, men för att identifiera avvikande värden kan du använda andra funktioner som min och max.
Det är rimligen omöjligt för en person att ha en anställningstid på mindre än 0 eller mer än 60 år. Använd korstabeller för att kontrollera datan och se om sådana värden förekommer!
Datamängden cr_loan har laddats in i arbetsytan.
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 the cross table for loan status, home ownership, and the max employment length
print(pd.____(cr_loan[____],cr_loan[____],
values=cr_loan[____], aggfunc=____))