IPO-Zeitachse für alle Börsen mit countplot() darstellen

Um eine einfache Visualisierung der Anzahl von Beobachtungen pro Kategorie in einem Datensatz zu erstellen, eignet sich die Funktion countplot() aus seaborn in der Regel am besten:

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

Der Parameter x enthält die Namen der Variablen aus dem Argument data, also aus dem DataFrame, der geplottet werden soll. hue kennzeichnet eine zusätzliche kategoriale Variable über Farben. Das sind drei von vielen optionalen Parametern, die die Funktion akzeptiert; eine vollständige Liste findest du in der seaborn-Dokumentation.

Nutzen wir dieses Werkzeug, um die zeitliche Entwicklung der IPO-Aktivität über die drei Börsen hinweg zu vergleichen. pandas als pd, matplotlib.pyplot als plt und seaborn als sns sind importiert, und der DataFrame listings mit der Referenzspalte 'Exchange' steht dir in deinem Workspace zur Verfügung.

Diese Übung ist Teil des Kurses

Importing and Managing Financial Data in Python

Kurs anzeigen

Anleitung zur Übung

Filtere listings so, dass nur IPO-Jahre nach dem Jahr 2000 enthalten sind.
Wandle die Daten in der Spalte 'IPO Year' in ganze Zahlen um.
Zeichne einen sns.countplot() von listings mit 'IPO Year' als x-Variable und 'Exchange' als hue.
Rotiere die xticks() um 45 Grad und zeige das Ergebnis an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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()

Code bearbeiten und ausführen