Alle Listing-Daten laden und über Schlüssel-Wert-Paare eines Dictionaries iterieren

Du weißt bereits, dass ein pd.DataFrame()-Objekt eine zweidimensionale, beschriftete Datenstruktur ist. Wie du im Video gesehen hast, wird die Funktion pd.concat() verwendet, um DataFrames zu konkatenieren, also vertikal zu kombinieren. Außerdem kannst du Broadcasting nutzen, um neue Spalten zu DataFrames hinzuzufügen.

In dieser Übung übst du die Verwendung dieser pandas-Funktion mit Daten der Börsen NYSE und NASDAQ. pandas wurde als pd importiert.

Diese Übung ist Teil des Kurses

Importing and Managing Financial Data in Python

Kurs anzeigen

Anleitung zur Übung

Importiere die Daten in listings.xlsx aus den Sheets 'nyse' und 'nasdaq' in die Variablen nyse und nasdaq. Lies 'n/a' als fehlende Werte ein.
Untersuche den Inhalt beider DataFrames mit .info(), um herauszufinden, wie viele Unternehmen erfasst sind.
Erstelle per Broadcasting eine neue Referenzspalte mit dem Namen 'Exchange', die für jeden DataFrame die Werte 'NYSE' bzw. 'NASDAQ' enthält.
Verwende pd.concat(), um die DataFrames nyse und nasdaq in dieser Reihenfolge zu verketten, und weise das Ergebnis combined_listings zu.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import the NYSE and NASDAQ listings
nyse = pd.____('listings.xlsx', ____='nyse', na_values='n/a')
nasdaq = pd.____('listings.xlsx', ____='nasdaq', na_values='n/a')

# Inspect nyse and nasdaq
nyse.____()
nasdaq.____()

# Add Exchange reference columns
nyse['____'] = 'NYSE'
nasdaq['____'] = 'NASDAQ'

# Concatenate DataFrames  
combined_listings = pd.____([____, ____])

Code bearbeiten und ausführen