Valor de la empresa por mercado y sector
Puedes generar resúmenes más detallados de tus datos proporcionando una lista de columnas dentro de .groupby() y/o aplicando un método estadístico como .mean() directamente a una o más columnas numéricas.
Aquí vas a calcular la capitalización bursátil mediana para cada sector, diferenciada por el mercado en el que cotizan las empresas. También usarás .unstack() para girar las etiquetas de mercado de las filas a las columnas. ¡Es buena idea inspeccionar listings en tu consola antes de empezar el ejercicio!
pandas como pd y matplotlib.pyplot como plt ya se han importado, y el DataFrame listings, con la columna de referencia 'Exchange' y una nueva columna market_cap_m que contiene la capitalización en millones de USD, está disponible en tu espacio de trabajo.
Este ejercicio forma parte del curso
Importación y gestión de datos financieros en Python
Instrucciones del ejercicio
- Agrupa tus datos por
'Sector'y'Exchange'y asigna el resultado aby_sector_exchange. - Calcula la mediana de la capitalización bursátil para
by_sector_exchangey asigna amcap_by_sector_exchange. - Muestra las primeras 5 filas del resultado con
.head(). - Llama a
.unstack()sobremcap_by_sector_exchangepara mover las etiquetas deExchangea las columnas y asigna amcap_unstacked. - Representa el resultado como un gráfico de barras con el título
'Median Market Capitalization by Exchange'yylabelestablecido en'USD mn', - Muestra el resultado.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Group listings by Sector and Exchange
by_sector_exchange = ____.____(['Sector', 'Exchange'])
# Calculate the median market cap
mcap_by_sector_exchange = by_sector_exchange.____.____()
# Display the head of the result
print(mcap_by_sector_exchange.____())
# Unstack mcap_by_sector_exchange
mcap_unstacked = ____.____()
# Plot as a bar chart
mcap_unstacked.plot(____=____, title='Median Market Capitalization by Exchange')
# Set the x label
plt.____('USD mn')
# Show the plot
plt.show()