In this chapter, you’ll learn how to create and manipulate Python datetime objects to help you identify key financial events, such as Black Friday. You’ll also learn how to store and efficiently look up items using Python dictionaries. 

Representing time with datetimes

Creating datetimes for dates

Datetimes from strings

Converting format with datetimes

Working with datetimes

Accessing datetime attributes

Comparing datetimes

Making relative datetimes

Dictionaries

Creating and accessing dictionaries

Accessing safely and deleting

Datetimes and Dictionaries 

Through hands-on activities, you’ll discover how to use Boolean logic to determine truth and use comparison and equality operators to control execution in if-statements and loops.

Comparison operators

Equality across types

Assignment and equality

Comparing dividends

Boolean operators

Decisions with Boolean operations

Assigning variables with Boolean operators

Negating with Boolean operators

If statements

Control statements

Comparing sales and purchases

Branching with elif and else

For and while loops

Breaking out of a for loop

Controlling loop execution

Control Flow and Logic

Discover how to create and access DataFrames with pandas using financial data from other data structures, including Dicts, lists, and CSV files. You’ll then uncover additional insights, as you aggregate data across rows or columns, calculate averages, and extend your data using functions.

Ein DataFrame erstellen

DataFrames erstellen

Markthistorie einlesen

Auf Daten zugreifen

Zugriff mit Namen

Zugriff mit Indexen

Aggregieren und zusammenfassen

Durchschnittspreise

Medianpreise

Daten erweitern und bearbeiten

Neue Spalten erstellen

Spalten aus einem DataFrame entfernen

Daten mit Pandas bearbeiten

Pandas Dataframe

In this final chapter, you’ll try your hand at working with real-world NASDAQ stock data as you learn how to interpret new data, create masks to filter data, and visualize your findings with plots.

Peeking at data with head, tail, and describe

Why use describe

Peek at top and bottom

Describing data

Filtering data

Why filter data

Filtering stock data.

Selecting data from data range

Plotting data

Identifying plot type

Making a line plot

Choose kind of plot

Wrapping up

Working with NASDAQ Stock Data

Alphabet stock

Bist du Finanz- oder Business-Analyst oder suchst einfach nach einer einfacheren Möglichkeit, dein Aktienportfolio zu verwalten? Mit Python kannst du finanzielle Aufgaben automatisieren – etwa Risiko berechnen, die Marktlage einschätzen und Kursverläufe visualisieren – und so Zeit und Geld sparen.

In diesem Kurs lernst du, wie du mit Python-Datenstrukturen, Kontrollflussanweisungen und DataFrames Finanzdaten bearbeitest. Anschließend arbeitest du mit pandas und Daten der Federal Reserve Bank, um nationale Wirtschaftstrends zu erkunden – ein zentraler Bestandteil für das Verständnis von Anlagestrategien. Außerdem berechnest du Risiken auf Basis von Aktienkursdaten und visualisierst diese in leicht lesbaren Diagrammen. Am Ende dieses Kurses bist du der neue Python von der Wall Street.

Introduction to Python for Finance

Erweitern Sie Ihre Python-Fähigkeiten für Finanzen mit datetime, if-Anweisungen, DataFrames und mehr.

Fortgeschrittenes Python für Finanzen

In diesem Python-Kurs für die Finanzbranche lernst du den Umgang mit datetime-Objekten, if-Anweisungen, DataFrames und mehr.

Finanzgrundlagen in Python

Grundlagen der Finanzen mit CFI

Durchschnittspreise

Interaktive praktische Übung