1. Learn
    2. /
  2. 课程
    3. /
  3. Importing and Managing Financial Data in Python
Connected

道练习

Vizualizace časové osy IPO pro všechny burzy pomocí countplot()

Pro základní vizualizaci počtu pozorování v jednotlivých kategoriích datasetu se nejčastěji hodí funkce countplot() z knihovny seaborn:

seaborn.countplot(x=None, hue=None, data=None, ...)

Parametr x obsahuje názvy proměnných z argumentu data, což je DataFrame určený k vykreslení. hue označuje další kategorickou proměnnou, která se odliší barvou. Toto jsou tři volitelné parametry z mnoha, které funkce přijímá – úplný přehled najdeš v dokumentaci knihovny seaborn.

Použijme tento nástroj k porovnání časové osy IPO aktivity napříč třemi burzami. Knihovny pandas jako pd, matplotlib.pyplot jako plt a seaborn jako sns jsou již naimportovány a DataFrame listings s referenčním sloupcem 'Exchange' je dostupný v tvém pracovním prostředí.

说明

100 XP
  • Filtruj listings tak, aby obsahoval pouze IPO roky po roce 2000.
  • Převeď data ve sloupci 'IPO Year' na celá čísla.
  • Vykresli sns.countplot() z listings s použitím 'IPO Year' jako proměnné x a 'Exchange' pro hue.
  • Otoč popisky xticks() o 45 stupňů a zobraz výsledek.