Technologie-IPOs pro Jahr an allen Börsen

Jedes Unternehmen im Dictionary listings hat ein IPO-Jahr zwischen 1972 und 2017. Daher ist es in diesem Kontext sinnvoll, die Spalte 'IPO Year' in jedem Sheet als kategoriale Variable mit klar definierter Reihenfolge zu betrachten, auch wenn ihr dtype float64 ist.

Hier kombinierst du die Daten aller drei Börsen und visualisierst die Verteilung der IPO-Jahre für Unternehmen aus dem Sektor Technology. pandas als pd und matplotlib.pyplot als plt sind bereits importiert, und das Dictionary listings aus der vorherigen Übung befindet sich in deinem Workspace.

Diese Übung ist Teil des Kurses

Importing and Managing Financial Data in Python

Kurs anzeigen

Anleitung zur Übung

Verwende eine for-Schleife mit der Iteratorvariablen exchange, die den Namen jeder Börse enthält.
- Hänge in jeder Iteration das DataFrame, das dem Schlüssel exchange in listings entspricht, an all_listings an.
Verwende nach Abschluss der Schleife pd.concat(), um die drei DataFrames in all_listings zu kombinieren, und weise das Ergebnis listing_data zu.
Filtere listing_data nach Unternehmen aus dem Sektor 'Technology' und weise das Ergebnis tech_companies zu.
Weise die Spalte 'IPO Year' aus tech_companies der Variablen ipo years zu.
Entferne für diese Daten mit .dropna() fehlende Werte und konvertiere mit .astype() zu int.
Wende .value_counts() auf ipo_years an, sortiere die Jahre aufsteigend und erstelle ein Balkendiagramm mit dem Titel 'Tech IPOs by Year'.
Rotiere die xticks um 45 Grad und zeige das Ergebnis an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create lists
exchanges = ['amex', 'nasdaq', 'nyse']
all_listings = []

# Use for loop to create listing_data
for exchange in exchanges:
    all_listings.____(____[____])
    
# Combine DataFrames
listing_data = pd.____(____)

# Select tech companies
tech_companies = listing_data[____.____ == 'Technology']

# Create ipo_years
ipo_years = ____[____]

# Drop missing values and convert to int
ipo_years = ipo_years.____().____(int)

# Count values, sort ascending by year, and create a bar plot
ipo_years.____().plot(kind=____, ____='Tech IPOs by Year')

# Rotate xticks and show result
plt.xticks(____=____)

# Show the plot
plt.show()

Code bearbeiten und ausführen