Kabul oranının etkisi

Şimdi, kabul oranlarının portföy üzerindeki etkisini anlamak için her kredinin loan_amnt değerine bak. Yeni kredi kümesi X_test için, ortalama kredi tutarı gibi hesaplanmış değerlerle çapraz tablolar kullanabilirsin. Bunun için, her bir sayıyı ortalama loan_amnt değeriyle çarpacaksın.

Bu değerleri yazdırırken, sayılar daha gerçekçi görünsün diye para birimi biçiminde göstermeyi dene. Sonuçta, kredi riski tamamen parayla ilgili. Bunu şu kodla yapabilirsin:

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

X_test içindeki loan_amnt sütununu da içerecek şekilde güncellenen tahmin veri çerçevesi test_pred_df çalışma alanına yüklendi.

Bu egzersiz

Python ile Kredi Riski Modellemesi

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

.describe() kullanarak loan_amnt sütununun özet istatistiklerini yazdır.
loan_amnt için ortalama değeri hesapla ve avg_loan olarak sakla.
pandas için biçimlendirmeyi '${:,.2f}' olarak ayarla.
Gerçek kredi durumu ile tahmin edilen kredi durumunun çapraz tablosunu yazdır ve her birini avg_loan ile çarp.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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))

Kodu Düzenle ve Çalıştır