Alle zusammenfassenden Statistiken nach Sektor

Du kannst die verschiedenen zusammenfassenden Statistiken, die du im letzten Kapitel kennengelernt hast, auf ein groupby-Objekt anwenden, um Ergebnisse pro Kategorie zu erhalten. Dazu gehört auch die Funktion .describe(), die dir mehrere Kennzahlen auf einmal liefert!

Hier übst du das mit den NASDAQ-Listings. pandas wurde als pd importiert, und die Daten der NASDAQ-Börsenlistings stehen dir in deinem Arbeitsbereich im DataFrame nasdaq zur Verfügung.

Diese Übung ist Teil des Kurses

Importing and Managing Financial Data in Python

Kurs anzeigen

Anleitung zur Übung

Untersuche die nasdaq-Daten mit .info().
Erstelle eine neue Spalte market_cap_m, die die Marktkapitalisierung in Millionen USD enthält. Lösche in der nächsten Zeile die Spalte 'Market Capitalization'.
Gruppiere deine nasdaq-Daten nach 'Sector' und weise das Ergebnis nasdaq_by_sector zu.
Rufe die Methode .describe() auf nasdaq_by_sector auf, weise sie summary zu und gib das Ergebnis aus.
Das funktioniert, aber summary ist im Long-Format und verwendet einen pd.MultiIndex(), den du zuvor gesehen hast. Wandle summary mit .unstack() ins Wide-Format um.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Inspect NASDAQ data
nasdaq.____()

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

# Drop the Market Capitalization column
nasdaq.drop('Market Capitalization', axis=1, inplace=True)

# Group nasdaq by Sector
nasdaq_by_sector = ____.____(____)

# Create summary statistics by sector
summary = ____.____()

# Print the summary
print(summary)

# Unstack 
summary = ____.____()

# Print the summary again
print(summary)

Code bearbeiten und ausführen