In diesem Kapitel lernst du, Python-datetime-Objekte zu erstellen und zu verändern, um wichtige finanzielle Ereignisse wie Black Friday zu identifizieren. Außerdem erfährst du, wie du Elemente mit Python-Dictionaries speicherst und effizient nachschlägst.

Zeit mit Datetime-Objekten darstellen

Datetimes für Datumsangaben erstellen

Datetimes aus Strings

Formate mit datetimes umwandeln

Mit Datetime-Objekten arbeiten

Auf datetime-Attribute zugreifen

Datetimes vergleichen

Relative Datetimes erstellen

Dictionaries

Dictionaries erstellen und abrufen

Sicher zugreifen und löschen

Datetimes und Dictionaries

Mit praxisnahen Aufgaben entdeckst du, wie du Boolesche Logik nutzt, um Wahrheitswerte zu bestimmen, und Vergleichs- sowie Gleichheitsoperatoren einsetzt, um die Ausführung in if-Anweisungen und Schleifen zu steuern.

Vergleichsoperatoren

Gleichheit über Typgrenzen hinweg

Zuweisung und Gleichheit

Dividenden vergleichen

Boolesche Operatoren

Entscheidungen mit booleschen Operationen

Variablen mit Booleschen Operatoren zuweisen

Negieren mit booleschen Operatoren

If-Statements

Kontrollanweisungen

Verkäufe und Einkäufe vergleichen

Verzweigungen mit elif und else

For- und while-Schleifen

Aus einer for-Schleife ausbrechen

Schleifensteuerung

Kontrollfluss und Logik

Entdecke, wie du mit pandas DataFrames aus Finanzdaten anderer Datenstrukturen – darunter Dicts, Listen und CSV-Dateien – erstellst und darauf zugreifst. Anschließend gewinnst du zusätzliche Einblicke, indem du Daten über Zeilen oder Spalten aggregierst, Mittelwerte berechnest und deine Daten mithilfe von Funktionen erweiterst.

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 diesem letzten Kapitel arbeitest du mit realen NASDAQ-Aktienkursdaten: Du lernst, neue Daten zu interpretieren, Masken zum Filtern zu erstellen und deine Ergebnisse mit Diagrammen zu visualisieren.

Daten mit head, tail und describe überfliegen

Warum describe verwenden

Ein Blick auf Anfang und Ende

Daten beschreiben

Daten filtern

Warum Daten filtern

Aktiendaten filtern.

Daten aus einem Datumsbereich auswählen

Daten plotten

Diagrammtyp erkennen

Ein Liniendiagramm erstellen

Wähle die Diagrammart

Zum Abschluss

Arbeiten mit NASDAQ-Aktienkursdaten

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

Warum Daten filtern

Fortgeschrittenes Python für Finanzen

Interaktive Übung