Daten für die 3 größten Finanzunternehmen abrufen

Ein pd.MultiIndex()-Objekt hat pro Zeile mehr als einen Bezeichner. So kannst du Daten gleichzeitig anhand von Kriterien für mehrere Unternehmen abfragen.

Wende diese neue Fähigkeit an, um die Aktienkurse der größten Unternehmen im Finanzsektor zu holen. DataReader, date, pandas als pd und matplotlib.pyplot als plt wurden importiert, ebenso wie das DataFrame listings aus der letzten Übung.

Diese Übung ist Teil des Kurses

Importing and Managing Financial Data in Python

Kurs anzeigen

Anleitung zur Übung

Setze 'Stock Symbol' als Index für listings und weise das Ergebnis listings_ss zu.
Nutze .loc[], um Zeilen zu filtern, in denen der Unternehmenssektor 'Finance' ist, und extrahiere die Spalte 'Market Capitalization'. Wende .nlargest() an, um die 3 größten Unternehmen nach Marktkapitalisierung top_3_companies zuzuweisen.
Wandle den Index des Ergebnisses in eine Liste um und weise sie top_3_tickers zu.
Verwende date(), um start auf den 1. Januar 2015 zu setzen.
Verwende date(), um end auf den 1. April 2020 zu setzen.
Nutze DataReader(), um die Aktiendaten für top_3_tickers von 'iex' seit start bis end zu laden und weise sie result zu.
Wende die Methode .stack() an, um das DataFrame ins Long-Format zu bringen, indem die Ticker in den Index verschoben werden.
Wähle 'close' aus data, wende .unstack() an und inspiziere das resultierende DataFrame, nun im Wide-Format, mit .info().

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Set Stock Symbol as the index
listings_ss = listings.____

# Get ticker of 3 largest finance companies
top_3_companies = listings_ss.loc[____].____(n=____)

# Convert index to list
top_3_tickers = top_3_companies.____.____()

# Set start date
start = ____

# Set end date
end = ____

# Import stock data
result = ____

# Apply stack method 
data = ____

# Unstack and inspect result
data['close'].____().____()

Code bearbeiten und ausführen