Capitalisation boursière médiane par année d’IPO
Dans la dernière leçon du chapitre précédent, vous avez créé une chronologie du nombre d’IPO par année pour les entreprises technologiques.
Analysons maintenant comment la capitalisation boursière a évolué selon l’année d’IPO. Vous pouvez combiner les données des trois places boursières pour obtenir une vue plus complète.
pandas sous le nom pd et matplotlib.pyplot sous le nom plt ont été importés, et le DataFrame listings des exercices précédents — qui inclut désormais une colonne de référence supplémentaire 'exchange' indiquant la place boursière de chaque société cotée — est disponible dans votre espace de travail.
Cet exercice fait partie du cours
Importer et gérer des données financières en Python
Instructions
- Inspectez et affichez
listingsavec.info()puis.head(). - À l’aide du broadcasting, créez une nouvelle colonne
market_cap_mdanslistingscontenant la capitalisation en millions de dollars (USD). - Sélectionnez toutes les entreprises dont l’
'IPO Year'est postérieure à 1985. - Supprimez toutes les valeurs manquantes dans la colonne
'IPO Year', puis convertissez les valeurs restantes en entier (dtypeinteger). - Regroupez
listingspar'IPO Year', sélectionnez la colonnemarket_cap_m, calculez lamedian, triez avec.sort_index(), et affectez le résultat àipo_by_year. - Tracez et affichez les résultats sous forme d’histogramme (barres).
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Inspect listings
listings.____()
# Show listings head
print(listings.____())
# Create market_cap_m
listings['market_cap_m'] = ____[____].div(1e6)
# Select companies with IPO after 1985
listings = listings[____[____] > ____]
# Drop missing values and convert to integers
listings['IPO Year'] = ____[____].dropna().____(int)
# Calculate the median market cap by IPO Year and sort the index
ipo_by_year = listings.____(____).____.median().____()
# Plot results as a bar chart
ipo_by_year.plot(kind='bar')
# Show the plot
plt.show()