Dans ce chapitre, vous apprendrez à créer et manipuler des objets datetime en Python pour vous aider à repérer des événements financiers clés, comme le Black Friday. Vous verrez aussi comment stocker des éléments et les retrouver efficacement grâce aux dictionnaires Python.

Représenter le temps avec des datetime

Créer des objets datetime pour des dates

Objets datetime à partir de chaînes

Convertir des formats avec les datetimes

Travailler avec les objets datetime

Accéder aux attributs d’un datetime

Comparer des objets datetime

Créer des datetimes relatifs

Dictionnaires

Créer et accéder à des dictionnaires

Accéder en toute sécurité et supprimer

Dates et heures et dictionnaires

Au travers d’exercices pratiques, vous découvrirez comment utiliser la logique booléenne pour évaluer la vérité et employer des opérateurs de comparaison et d’égalité pour contrôler l’exécution dans des instructions if et des boucles.

Opérateurs de comparaison

Égalité entre types

Affectation et égalité

Comparer les dividendes

Opérateurs booléens

Prendre des décisions avec des opérations booléennes

Affecter des variables avec des opérateurs booléens

Nier avec des opérateurs booléens

Instructions conditionnelles if

Instructions de contrôle

Comparer les ventes et les achats

Brancher avec elif et else

Boucles for et while

Interrompre une boucle for

Contrôler l’exécution d’une boucle

Contrôle de flux et logique

Découvrez comment créer et consulter des DataFrames avec pandas à partir de données financières issues d’autres structures, y compris des dicts, des listes et des fichiers CSV. Vous mettrez ensuite au jour des informations supplémentaires en agrégeant des données sur les lignes ou les colonnes, en calculant des moyennes et en enrichissant vos données avec des fonctions.

Créer un DataFrame

Créer des DataFrames

Lire l’historique du marché

Accéder aux données

Accéder en utilisant les noms

Accéder en utilisant les index

Agrégation et synthèse

Prix moyens

Prix médians

Étendre et manipuler des données

Créer de nouvelles colonnes

Supprimer des colonnes d’un DataFrame

Manipuler des données avec Pandas

Pandas DataFrame

Dans ce dernier chapitre, vous vous exercerez sur de vraies données d’actions du NASDAQ en apprenant à interpréter de nouvelles données, à créer des masques pour filtrer les enregistrements et à visualiser vos résultats avec des graphiques.

Explorer les données avec head, tail et describe

Pourquoi utiliser describe

Coup d’œil en haut et en bas

Décrire les données

Filtrer des données

Pourquoi filtrer des données

Filtrer des données boursières.

Sélectionner des données sur une plage de dates

Tracer des données

Identifier le type de graphique

Tracer une courbe

Choisir le type de graphique

Pour conclure

Travailler avec des données d’actions NASDAQ

Alphabet stock

Êtes-vous analyste financier ou business analyst, ou simplement à la recherche d’un moyen plus simple de gérer votre portefeuille d’actions ? Dans ce cas, apprendre Python peut automatiser des tâches financières comme le calcul du risque, l’évaluation de la santé du marché et la visualisation des tendances de prix d’une action, vous faisant gagner du temps et de l’argent.

Dans ce cours, vous apprendrez à utiliser les structures de données Python, les instructions de contrôle d’exécution et les DataFrames pour manipuler des données financières. Vous travaillerez ensuite avec pandas, à partir de données de la Federal Reserve Bank, pour explorer les tendances économiques nationales — une étape essentielle pour comprendre les stratégies d’investissement. Vous calculerez aussi le risque à partir de données de prix d’actions et afficherez ces informations dans des graphiques faciles à lire. À la fin de ce cours, vous serez le nouveau Python de Wall Street.

Introduction to Python for Finance

Améliorez vos compétences Python en Finance en apprenant datetime, if-statements, DataFrames, etc.

Python intermédiaire pour la finance

Renforcez vos compétences en Python pour la finance en apprenant à utiliser datetime, if, les DataFrame et bien plus encore.

Étendre et manipuler des données

Create Your Free Account