In this chapter, you’ll learn how to create and manipulate Python datetime objects to help you identify key financial events, such as Black Friday. You’ll also learn how to store and efficiently look up items using Python dictionaries. 

Representing time with datetimes

Creating datetimes for dates

Datetimes from strings

Converting format with datetimes

Working with datetimes

Accessing datetime attributes

Comparing datetimes

Making relative datetimes

Dictionaries

Creating and accessing dictionaries

Accessing safely and deleting

Datetimes and Dictionaries 

Through hands-on activities, you’ll discover how to use Boolean logic to determine truth and use comparison and equality operators to control execution in if-statements and loops.

Comparison operators

Equality across types

Assignment and equality

Comparing dividends

Boolean operators

Decisions with Boolean operations

Assigning variables with Boolean operators

Negating with Boolean operators

If statements

Control statements

Comparing sales and purchases

Branching with elif and else

For and while loops

Breaking out of a for loop

Controlling loop execution

Control Flow and Logic

Discover how to create and access DataFrames with pandas using financial data from other data structures, including Dicts, lists, and CSV files. You’ll then uncover additional insights, as you aggregate data across rows or columns, calculate averages, and extend your data using functions.

Creating a DataFrame

Creating DataFrames

Reading market history

Accessing Data

Accessing using names

Accessing using indexes

Aggregating and summarizing

Mean prices

Median prices

Extending and manipulating data

Creating new columns

Dropping columns from DataFrame

Manipulating data with Pandas

Pandas Dataframe

In this final chapter, you’ll try your hand at working with real-world NASDAQ stock data as you learn how to interpret new data, create masks to filter data, and visualize your findings with plots.

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

Working with NASDAQ Stock Data

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.

Principes fondamentaux de la finance en Python

Principes fondamentaux de la finance avec la FCI

Pourquoi filtrer des données

Exercice interactif pratique