Visualisering av godkännandeavkastning för lån
Inom finansiella tjänster är det avgörande för både långivare och låntagare att förstå vilka faktorer som påverkar godkännandefrekvensen för lån. Ett finansinstitut har genomfört en studie och samlat in data om låneansökningar – med uppgifter om begärt belopp, sökandens kreditvärdighet, anställningsstatus och det slutliga utfallet av godkännandeprocessen. Den här datamängden ger en inblick i de komplexa dynamiker som styr lånebeslut. Du har fått i uppgift att utforska datamängden loan_approval_yield för att förstå hur lånebelopp och kreditvärdighet påverkar godkännandeavkastningen.
DataFrame:en loan_approval_yield, seaborn som sns och matplotlib.pyplot som plt har redan laddats in åt dig.
Den här övningen är en del av kursen
Experimentell design i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Use Seaborn to create the bar graph
sns.catplot(x="____",
y="____",
hue="____",
kind="____",
data=loan_approval_yield)
plt.title("Loan Approval Yield by Amount and Credit Score")
plt.show()