Capitalisation boursière médiane par secteur
Les données agrégées sont des données combinées à partir de plusieurs mesures. Comme vous l'avez vu dans la vidéo, la fonction .groupby() est utile pour regrouper vos données selon une catégorie précise.
Vous avez constaté précédemment que les données de capitalisation boursière contiennent de fortes valeurs aberrantes. Pour obtenir un sommaire plus robuste de la valeur marchande des entreprises dans chaque secteur, vous allez calculer la capitalisation boursière médiane par secteur. pandas sous pd et matplotlib.pyplot sous plt ont été importés, et la liste des titres de la Bourse de New York (NYSE) est disponible dans votre espace de travail sous forme de DataFrame nyse.
Cette activité fait partie du cours
Importer et gérer des données financières en Python
Instructions de l’exercice
- Inspectez
nyseavec.info(). - À l'aide du broadcasting et de
.div(), créez une nouvelle colonnemarket_cap_mqui contient la capitalisation boursière en millions USD. - Retirez la colonne
'Market Capitalization'avec.drop(). - Appliquez la méthode
.groupby()ànyse, en utilisant'Sector'comme colonne pour regrouper vos données. - Calculez la médiane de la colonne
market_cap_met enregistrez-la dansmedian_mcap_by_sector. - Tracez le résultat sous forme de diagramme à barres horizontal avec le titre
'NYSE - Median Market Capitalization'. Utilisezplt.xlabel()avec'USD mn'pour ajouter une étiquette. - Affichez le résultat.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Inspect NYSE data
nyse.____()
# Create market_cap_m
nyse['market_cap_m'] = ____[____].div(1e6)
# Drop market cap column
nyse = ____.____('Market Capitalization', axis=1)
# Group nyse by sector
mcap_by_sector = ____.____(____)
# Calculate median
median_mcap_by_sector = mcap_by_sector.____.____()
# Plot and show as horizontal bar chart
median_mcap_by_sector.plot(____=____, title='NYSE - Median Market Capitalization')
# Add the label
plt.____('USD mn')
# Show the plot
plt.show()