Použití .melt() pro porovnání výkonnosti akcií a dluhopisů

Je všeobecně známo, že cena dluhopisů se pohybuje opačným směrem než cena akcií. V tomto posledním cvičení si zopakuješ mnoho témat z této kapitoly a ověříš si, jestli to tak skutečně funguje. Dostaneš tabulku procentuální změny ceny amerického 10letého státního dluhopisu. Je ve širokém formátu, kde má každý rok vlastní sloupec. Pomocí metody .melt() tuto tabulku přetvoříš do jiného formátu.

Navíc použiješ metodu .query() k odfiltrování nepotřebných dat. Tuto tabulku pak sloučíš s tabulkou procentuální změny ceny akciového indexu Dow Jones Industrial. Na závěr data vizualizuješ.

Tabulky ten_yr a dji jsou již načteny.

Toto cvičení je součástí kurzu

Joining Data with pandas

Zobrazit kurz

Pokyny k cvičení

Použij .melt() na ten_yr a rozbal všechny sloupce kromě metric, přičemž nastav var_name='date' a value_name='close'. Výsledek ulož do bond_perc.
Pomocí metody .query() vyber pouze řádky, kde metric odpovídá hodnotě close, a výsledek ulož do bond_perc_close.
Použij merge_ordered() ke sloučení dji (levá tabulka) a bond_perc_close podle sloupce date s inner join a nastav suffixes na ('_dow', '_bond'). Výsledek ulož do dow_bond.
Pomocí dow_bond vykresli pouze hodnoty Dow a dluhopisů.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Use melt on ten_yr, unpivot everything besides the metric column
bond_perc = ____

# Use query on bond_perc to select only the rows where metric=close
bond_perc_close = ____

# Merge (ordered) dji and bond_perc_close on date with an inner join
dow_bond = ____


# Plot only the close_dow and close_bond columns
dow_bond.plot(____, x='date', rot=90)
plt.show()

Upravit a spustit kód