Tracer la chronologie des PAPE pour toutes les bourses avec countplot()
Pour créer une visualisation de base du nombre d'observations par catégorie dans un jeu de données, la fonction countplot() de seaborn est généralement toute indiquée :
seaborn.countplot(x=None, hue=None, data=None, ...)
Le paramètre x contient les noms des variables dans l'argument data, qui est le DataFrame à tracer. hue identifie une autre variable catégorielle représentée par la couleur. Ce ne sont là que trois paramètres optionnels parmi plusieurs acceptés par la fonction; pour la liste complète, consultez la documentation de seaborn.
Utilisons cet outil pour comparer la chronologie de l'activité de PAPE entre les trois bourses. pandas sous pd, matplotlib.pyplot sous plt et seaborn sous sns ont été importés, et le DataFrame listings avec la colonne de référence 'Exchange' est disponible dans votre espace de travail.
Cette activité fait partie du cours
Importer et gérer des données financières en Python
Instructions de l’exercice
- Filtrez
listingspour ne conserver que les années de PAPE après l'an 2000. - Convertissez les données de la colonne
'IPO Year'en entiers. - Tracez un
sns.countplot()delistingsen utilisant'IPO Year'comme variablexet'Exchange'pourhue. - Faites pivoter les
xticks()de 45 degrés et affichez le résultat.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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()