Toutes les statistiques sommaires par secteur

Vous pouvez appliquer les différentes statistiques sommaires que vous avez vues au chapitre précédent à un objet groupby pour obtenir des résultats par catégorie. Cela inclut la fonction .describe(), qui fournit plusieurs indicateurs d'un seul coup!

Ici, vous allez vous exercer avec les inscriptions du NASDAQ. pandas a été importé sous pd, et les données des sociétés inscrites à la bourse NASDAQ sont disponibles dans votre espace de travail dans le DataFrame nasdaq.

Cette activité fait partie du cours

Importer et gérer des données financières en Python

Voir le cours

Instructions de l’exercice

Examinez les données nasdaq avec .info().
Créez une nouvelle colonne market_cap_m qui contient la capitalisation boursière en millions de dollars US. À la ligne suivante, supprimez la colonne 'Market Capitalization'.
Regroupez vos données nasdaq par 'Sector' et assignez le résultat à nasdaq_by_sector.
Appelez la méthode .describe() sur nasdaq_by_sector, assignez le résultat à summary, puis affichez-le.
Cela fonctionne, mais result est au format long et utilise un pd.MultiIndex() que vous avez vu plus tôt. Convertissez summary au format large en appelant .unstack().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Inspect NASDAQ data
nasdaq.____()

# Create market_cap_m
nasdaq['market_cap_m'] = ____[____].div(1e6)

# Drop the Market Capitalization column
nasdaq.drop('Market Capitalization', axis=1, inplace=True)

# Group nasdaq by Sector
nasdaq_by_sector = ____.____(____)

# Create summary statistics by sector
summary = ____.____()

# Print the summary
print(summary)

# Unstack 
summary = ____.____()

# Print the summary again
print(summary)

Modifier et exécuter le code