Calcula varias métricas por sector y año de IPO

La función pointplot() de seaborn facilita la comparación de estadísticas resumen de una variable numérica para distintos niveles de variables categóricas:

seaborn.pointplot(x=None, y=None, hue=None, data=None, ...)

En el vídeo, viste una visualización de la capitalización bursátil (la variable numérica) diferenciada por si la IPO (la variable categórica) ocurrió antes (primer nivel) o después (segundo nivel) del año 2000.

En este ejercicio, compararás la capitalización bursátil media para cada año desde 2000 para la NYSE y el NASDAQ, tras excluir valores atípicos por encima del percentil 95. pandas como pd y matplotlib.pyplot como plt ya se han importado, y el DataFrame listings con la columna de referencia 'Exchange' está disponible en tu espacio de trabajo.

Este ejercicio forma parte del curso

Importación y gestión de datos financieros en Python

Ver curso

Instrucciones del ejercicio

Importa seaborn como sns.
Filtra listings para quedarte con empresas con IPO posteriores a 2000 de todos los mercados, excepto 'amex'.
Convierte los datos de la columna 'IPO Year' a enteros.
Crea la columna market_cap_m para expresar la capitalización en millones de USD.
Filtra market_cap_m para excluir los valores por encima del percentil 95.
Crea un pointplot de listings usando la columna 'IPO Year' para x, 'market_cap_m' para y y 'Exchange' para hue. Muestra el resultado tras rotar las xticks 45 grados.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import the seaborn library as sns
____

# Exclude IPOs before 2000 and from the 'amex'
listings = ____[(____['IPO Year'] > ____) & (listings.Exchange != ____)]

# Convert IPO Year to integer
listings['IPO Year'] = ____['IPO Year'].____(____)

# Create market_cap_m
listings['market_cap_m'] = ____['Market Capitalization'].div(1e6)

# Exclude outliers
listings = listings[listings.____ < listings.____.____(.95)]

# Create the pointplot
sns.pointplot(x=____, y=____, hue=____, data=____)

# Rotate xticks
plt.____(____=____)

# Show the plot
plt.show()

Editar y ejecutar código