Median der Marktkapitalisierung nach IPO-Jahr

In der letzten Lektion des vorherigen Kapitels hast du eine Zeitreihe für die Anzahl der IPOs pro Jahr bei Technologieunternehmen erstellt.

Analysieren wir jetzt, wie sich die Marktkapitalisierung in verschiedenen IPO-Jahren entwickelt hat. Du kannst die Daten aller drei Börsen kombinieren, um einen umfassenderen Überblick zu bekommen.

pandas als pd und matplotlib.pyplot als plt wurden importiert, und das listings DataFrame aus den vorherigen Übungen, das jetzt eine zusätzliche Referenzspalte 'exchange' enthält, in der die Börse für jedes gelistete Unternehmen steht, ist in deinem Workspace verfügbar.

Diese Übung ist Teil des Kurses

Importing and Managing Financial Data in Python

Kurs anzeigen

Anleitung zur Übung

Inspiziere und zeige listings mit .info() und .head() an.
Erstelle per Broadcasting eine neue Spalte market_cap_m in listings, die die Marktkapitalisierung in Millionen USD enthält.
Wähle alle Unternehmen mit einem 'IPO Year' nach 1985 aus.
Entferne alle fehlenden Werte in der Spalte 'IPO Year' und konvertiere die verbleibenden Werte in den dtype Integer.
Gruppiere listings nach 'IPO Year', wähle die Spalte market_cap_m und berechne den median, sortiere mit .sort_index() und weise das Ergebnis ipo_by_year zu.
Plotte die Ergebnisse als Balkendiagramm und zeige sie an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Inspect listings
listings.____()

# Show listings head
print(listings.____())

# Create market_cap_m
listings['market_cap_m'] = ____[____].div(1e6)

# Select companies with IPO after 1985
listings = listings[____[____] > ____]

# Drop missing values and convert to integers
listings['IPO Year'] = ____[____].dropna().____(int)

# Calculate the median market cap by IPO Year and sort the index
ipo_by_year = listings.____(____).____.median().____()

# Plot results as a bar chart
ipo_by_year.plot(kind='bar')

# Show the plot
plt.show()

Code bearbeiten und ausführen