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.

Toto cvičení je součástí kurzu

Importing and Managing Financial Data in Python

Zobrazit kurz

Pokyny k cvičení

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.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Select IPOs after 2000
listings = listings[____[____] > ____]

# Convert IPO Year to integer
listings['IPO Year'] = ____[____].____(____)

# Create a countplot
sns.countplot(x=____, hue=____, data=____)

# Rotate xticks and show result
plt.xticks(rotation=45)

# Show the plot
plt.show()

Upravit a spustit kód