Importer les informations de cotation depuis le NASDAQ

Dans cette vidéo, vous avez appris à utiliser la fonction pd.read_csv() pour importer dans un DataFrame pandas un fichier csv contenant les entreprises cotées sur la bourse AmEx. Vous pouvez appliquer la même méthode pour importer des informations de cotation depuis des fichiers csv d’autres places boursières.

L’étape suivante consiste à vérifier que le contenu du DataFrame reflète fidèlement la signification de vos données. Deux méthodes essentielles pour comprendre vos données sont .head(), qui affiche par défaut les cinq premières lignes, et .info(), qui résume des éléments d’un DataFrame comme le contenu, les types de données et les valeurs manquantes.

Dans cet exercice, vous allez lire le fichier nasdaq-listings.csv contenant des données sur les entreprises cotées au NASDAQ, puis diagnostiquer les problèmes liés aux données importées. Vous corrigerez ces problèmes dans l’exercice suivant.

Cet exercice fait partie du cours

Importer et gérer des données financières en Python

Afficher le cours

Instructions

Importez pandas sous l’alias pd.
Utilisez pd.read_csv() pour charger le fichier nasdaq-listings.csv dans la variable nasdaq.
Utilisez .head() pour afficher les 10 premières lignes des données. À quel type de données vous attendez-vous que pandas attribue chaque colonne ? Quel symbole est utilisé pour représenter une valeur manquante ?
Utilisez .info() pour identifier les incompatibilités de dtype dans le résumé du DataFrame. Plus précisément, certaines colonnes devraient-elles avoir un type plus approprié ?

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import pandas library
_____

# Import the data
nasdaq = pd.____('nasdaq-listings.csv')

# Display first 10 rows
print(nasdaq.____(____))

# Inspect nasdaq
nasdaq.____()

Modifier et exécuter le code