Obtén datos de las 3 mayores empresas financieras

Un objeto pd.MultiIndex() tiene más de un identificador por fila. Esto te permite obtener datos según criterios para varias empresas a la vez.

Vamos a aplicar esta nueva habilidad para obtener los precios de las mayores empresas del sector financiero. Ya se han importado DataReader, date, pandas como pd y matplotlib.pyplot como plt, además del DataFrame listings del ejercicio anterior.

Este ejercicio forma parte del curso

Importación y gestión de datos financieros en Python

Ver curso

Instrucciones del ejercicio

Establece 'Stock Symbol' como índice de listings, asignándolo a listings_ss.
Usa .loc[] para filtrar las filas donde el sector de la empresa sea 'Finance' y extrae la columna 'Market Capitalization'. Aplica .nlargest() para asignar a top_3_companies las 3 empresas con mayor capitalización bursátil.
Convierte el índice del resultado en una lista y asígnalo a top_3_tickers.
Usa date() para establecer start en el 1 de enero de 2015.
Usa date() para establecer end en el 1 de abril de 2020.
Usa DataReader() para obtener los datos bursátiles de top_3_tickers desde 'iex' desde start hasta end y asígnalos a result.
Aplica el método .stack() para convertir el DataFrame a formato largo moviendo los tickers al índice.
Selecciona 'close' de data, aplica .unstack() e inspecciona el DataFrame resultante, ahora en formato ancho, con .info().

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Set Stock Symbol as the index
listings_ss = listings.____

# Get ticker of 3 largest finance companies
top_3_companies = listings_ss.loc[____].____(n=____)

# Convert index to list
top_3_tickers = top_3_companies.____.____()

# Set start date
start = ____

# Set end date
end = ____

# Import stock data
result = ____

# Apply stack method 
data = ____

# Unstack and inspect result
data['close'].____().____()

Editar y ejecutar código