探索信用数据

在本课程的练习中，您将反复使用视频中介绍的数据集 loan_data。

拿到 loan_data 后，您首先关心的是数据集中违约贷款的情况。您想了解违约的数量和占比。违约通常较少见，因此在任何贷款数据集中，都应先检查违约比例。CrossTable() 在这里非常有用。

请记住，违约信息保存在响应变量 loan_status 中，其中 1 表示 default，0 表示 non-default。

为更好地了解变量结构并发现数据中的异常趋势，您应当考察 loan_status 与某些 factor 变量之间的关系。比如，直观上您会预期，grade 为 G（信用评分最差）的客户群体中的违约比例，显著高于 grade 为 A（信用评分最佳）的客户群体。

恰好，CrossTable() 也可以用于两个分类变量。我们来探索一下吧！

通过查看数据结构熟悉数据集，使用 str()。
使用 library() 加载 gmodels 包。该包已安装在 DataCamp 的服务器上。
查看贷款状态的 CrossTable()，只传入一个参数：loan_data$loan_status。
使用 x 参数为 loan_data$grade，y 参数为 loan_data$loan_status 调用 CrossTable()。我们只需要按行比例，因此将 prop.r 设为 TRUE，而将 prop.c、prop.t 和 prop.chisq 设为 FALSE（这些参数的默认值为 TRUE，会包含列比例、总体比例以及每个单元格的卡方贡献。这里不需要它们）。