Análisis dataset riesgo de crédito

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

credit_risk_data = pd.read_csv("../credit_risk_data.csv")
credit_risk_data.head()

	ID	Edad	Ingresos	Monto del Préstamo	Plazo del Préstamo	Historial de Crédito	Cantidad de Créditos Vigentes	Cantidad de Moras	Estado del Préstamo
0	1	56	8382	45814	25	492	4	3	1
1	2	69	3406	46379	47	700	7	3	1
2	3	46	4586	14076	19	577	5	2	1
3	4	32	15003	38650	46	653	4	1	0
4	5	60	9652	47881	30	555	8	0	1

Mostrar información básica y las primeras filas del dataframe:

print(credit_risk_data.info())

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 9 columns):
 #   Column                         Non-Null Count  Dtype
---  ------                         --------------  -----
 0   ID                             1000 non-null   int64
 1   Edad                           1000 non-null   int64
 2   Ingresos                       1000 non-null   int64
 3   Monto del Préstamo             1000 non-null   int64
 4   Plazo del Préstamo             1000 non-null   int64
 5   Historial de Crédito           1000 non-null   int64
 6   Cantidad de Créditos Vigentes  1000 non-null   int64
 7   Cantidad de Moras              1000 non-null   int64
 8   Estado del Préstamo            1000 non-null   int64
dtypes: int64(9)
memory usage: 70.4 KB
None

Distribución del ´Estado del Préstamo´:

credit_risk_data["Estado del Préstamo"].value_counts()

1    778
0    222
Name: Estado del Préstamo, dtype: int64

# Remover columna 'ID'
credit_risk_data = credit_risk_data.drop(columns=["ID"])

credit_risk_data.head()

	Edad	Ingresos	Monto del Préstamo	Plazo del Préstamo	Historial de Crédito	Cantidad de Créditos Vigentes	Cantidad de Moras	Estado del Préstamo
0	56	8382	45814	25	492	4	3	1
1	69	3406	46379	47	700	7	3	1
2	46	4586	14076	19	577	5	2	1
3	32	15003	38650	46	653	4	1	0
4	60	9652	47881	30	555	8	0	1

Calcular estadísticas descriptivas:

credit_risk_data.describe()

	Edad	Ingresos	Monto del Préstamo	Plazo del Préstamo	Historial de Crédito	Cantidad de Créditos Vigentes	Cantidad de Moras	Estado del Préstamo
count	1000.00000	1000.000000	1000.000000	1000.000000	1000.000000	1000.000000	1000.000000	1000.000000
mean	43.81900	10697.264000	25332.751000	36.150000	576.485000	4.622000	1.971000	0.778000
std	14.99103	5393.517268	13868.799451	13.752477	155.959954	2.827209	1.427654	0.415799
min	18.00000	1509.000000	1097.000000	12.000000	300.000000	0.000000	0.000000	0.000000
25%	31.00000	5965.250000	12909.250000	24.000000	440.000000	2.000000	1.000000	1.000000
50%	44.00000	10610.500000	25791.000000	36.500000	575.000000	5.000000	2.000000	1.000000
75%	56.00000	15288.500000	36621.750000	48.000000	712.250000	7.000000	3.000000	1.000000
max	69.00000	19958.000000	49998.000000	59.000000	849.000000	9.000000	4.000000	1.000000

Histogramas:

credit_risk_data.hist(bins=20, figsize=(15, 10), layout=(3, 3), color="skyblue")
plt.tight_layout()
plt.show()

Coeficientes de correlación:

correlation_matrix = credit_risk_data.corr()

plt.figure(figsize=(10, 8))
sns.heatmap(correlation_matrix, annot=True, cmap="coolwarm", linewidths=0.5)
plt.title("Matriz de Correlación de las Variables")
plt.show()

Box plot:

plt.figure(figsize=(15, 10))

for i, column in enumerate(credit_risk_data.columns, 1):
    plt.subplot(3, 3, i)
    sns.boxplot(data=credit_risk_data[column], color="skyblue")
    plt.title(f"Box Plot de {column}")

plt.tight_layout()
plt.show()

Pair plot:

sns.pairplot(credit_risk_data, palette="tab10")
plt.show()