可视化信用数据中的异常值
您已经在 person_emp_length 中发现了异常值，其中大于 60 的取值远超常规。person_age 是另一列，可以用常识判断：几乎不可能有人在申请贷款时年龄超过 100 岁。
在这里可视化数据，是发现异常值的另一种简便方法。您可以将 loan_amnt、loan_int_rate 等数值列与 person_age 组合作图，来搜索异常值。
数据集 cr_loan 已加载到工作区。
本练习是课程的一部分
Python 信用风险建模
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create the scatter plot for age and amount
plt.scatter(____[____], ____[____], c='blue', alpha=0.5)
plt.xlabel("Person Age")
plt.ylabel("Loan Amount")
plt.____()