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 agréger vos données selon une catégorie donnée.

Vous avez déjà constaté que les données de capitalisation boursière contiennent de fortes valeurs aberrantes. Pour obtenir un résumé plus robuste de la valeur de marché des entreprises par secteur, vous allez calculer la capitalisation boursière médiane par secteur. pandas sous l’alias pd et matplotlib.pyplot sous l’alias plt ont été importés, et la liste des sociétés cotées au NYSE est disponible dans votre espace de travail sous forme de DataFrame nyse.

Cet exercice fait partie du cours

Importer et gérer des données financières en Python

Afficher le cours

Instructions

Inspectez nyse avec .info().
À l’aide du broadcasting et de .div(), créez une nouvelle colonne market_cap_m qui contient la capitalisation boursière en millions d’USD.
Supprimez la colonne 'Market Capitalization' avec .drop().
Appliquez la méthode .groupby() à nyse, en utilisant 'Sector' comme colonne de regroupement.
Calculez la médiane de la colonne market_cap_m sous le nom median_mcap_by_sector.
Tracez le résultat sous forme d’histogramme horizontal avec le titre 'NYSE - Median Market Capitalization'. Utilisez plt.xlabel() avec 'USD mn' pour ajouter un libellé.
Affichez le résultat.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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()

Modifier et exécuter le code