CommencezCommencez gratuitement

Quelles actions évoluent ensemble ?

Dans l'exercice précédent, vous avez regroupé des entreprises selon les variations quotidiennes de leurs cours boursiers. Alors, quelles entreprises ont des cours qui ont tendance à évoluer de la même façon ? Vous allez maintenant examiner les étiquettes de grappes issues de votre regroupement pour le découvrir.

Votre solution à l'exercice précédent a déjà été exécutée. Rappelez-vous que vous avez construit un objet Pipeline pipeline contenant un modèle KMeans et que vous l'avez ajusté au tableau NumPy movements des mouvements boursiers quotidiens. De plus, une liste companies des noms d'entreprises est disponible.

Cette activité fait partie du cours

Unsupervised Learning in Python

Voir le cours

Instructions de l’exercice

  • Importez pandas sous l'alias pd.
  • Utilisez la méthode .predict() du pipeline pour prédire les étiquettes pour movements.
  • Alignez les étiquettes de grappes avec la liste des noms d'entreprises companies en créant un DataFrame df avec labels et companies comme colonnes. Cela a été fait pour vous.
  • Utilisez la méthode .sort_values() de df pour trier le DataFrame selon la colonne 'labels', puis affichez le résultat.
  • Cliquez sur Soumettre la réponse et prenez un moment pour voir quelles entreprises se retrouvent ensemble dans chaque grappe !

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import pandas
import pandas as pd

# Predict the cluster labels: labels
labels = ____

# Create a DataFrame aligning labels and companies: df
df = pd.DataFrame({'labels': labels, 'companies': companies})

# Display df sorted by cluster label
print(____)
Modifier et exécuter le code