Cross table และ Pivot Table
ข้อมูลทางการเงินมักแสดงในรูปแบบ pivot table บนสเปรดชีตอย่าง Excel
ด้วย cross table เราจะเห็นภาพรวมของคอลัมน์ที่เลือก รวมถึงการรวมค่าต่าง ๆ เช่น การนับจำนวนหรือค่าเฉลี่ย สำหรับโมเดลความเสี่ยงทางสินเชื่อส่วนใหญ่ โดยเฉพาะการคาดการณ์ความน่าจะเป็นในการผิดนัดชำระหนี้ คอลัมน์อย่าง person_emp_length และ person_home_ownership มักเป็นจุดเริ่มต้นในการวิเคราะห์
เราจะสามารถดูการกระจายของค่าต่าง ๆ ในชุดข้อมูลและแสดงผลเป็นภาพได้ สำหรับแบบฝึกหัดนี้ ให้ตรวจสอบว่า loan_status ได้รับผลกระทบอย่างไรจากปัจจัยต่าง ๆ เช่น สถานะการเป็นเจ้าของที่อยู่อาศัย เกรดของสินเชื่อ และสัดส่วนสินเชื่อต่อรายได้
ชุดข้อมูล cr_loan ถูกโหลดไว้ใน workspace แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การสร้างโมเดลความเสี่ยงด้านเครดิตด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Create a cross table of the loan intent and loan status
print(pd.____(cr_loan[____], cr_loan[____], margins = True))