Dibuja la cronología de las OPV para todos los mercados con countplot()

Para crear una visualización básica del número de observaciones por categoría en un conjunto de datos, la función countplot() de seaborn suele ser la opción adecuada:

seaborn.countplot(x=None, hue=None, data=None, ...)

El parámetro x contiene los nombres de las variables presentes en el argumento data, que es el DataFrame que se va a representar. hue identifica una variable categórica adicional mediante el color. Estos son tres parámetros opcionales de entre muchos aceptados por la función; para ver la lista completa, consulta la documentación de seaborn.

Vamos a usar esta herramienta para comparar la línea temporal de la actividad de OPV en los tres mercados. Ya se han importado pandas como pd, matplotlib.pyplot como plt y seaborn como sns, 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

Filtra listings para incluir solo los años de OPV posteriores al año 2000.
Convierte los datos de la columna 'IPO Year' a enteros.
Dibuja un sns.countplot() de listings usando 'IPO Year' como variable x y 'Exchange' como hue.
Rota los xticks() 45 grados y muestra el resultado.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Select IPOs after 2000
listings = listings[____[____] > ____]

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

# Create a countplot
sns.countplot(x=____, hue=____, data=____)

# Rotate xticks and show result
plt.xticks(rotation=45)

# Show the plot
plt.show()

Editar y ejecutar código