Ce chapitre est une introduction aux bases de Python, notamment la manière de nommer les variables et les différents types de données en Python.

Bienvenue à Python pour la finance !

Exécuter le code ou soumettre la réponse

Python comme calculatrice

Variables

Création de variables numériques

Calcul de la recette moyenne

Types de données

Créer différents types de variables

Détermination des types

Combinaison de types de données

Bienvenue à Python

Ce chapitre présente les listes en Python et la manière dont elles peuvent être utilisées pour travailler avec des données.

Listes

Créer des listes en Python

Indexation des éléments de la liste

Découpage de plusieurs éléments de liste

Listes imbriquées

Stocker une liste imbriquée

Sous-ensemble d'une liste imbriquée

Énumérer les méthodes et les fonctions

Exploration des méthodes et fonctions de liste

Utiliser des méthodes de liste pour ajouter des données

Trouver l'action au prix maximum

Ce chapitre présente les packages en Python, en particulier le package NumPy et la manière dont il peut être utilisé efficacement pour manipuler des tableaux.

Tableaux

Créer un tableau

Opérations élémentaires sur les tableaux

Sous-ensemble d'éléments d'un tableau

Tableaux et fonctions en 2D

Création d'un tableau 2D

Sous-ensemble de tableaux 2D

Calcul des statistiques d'un tableau

Générer une séquence de nombres

Utilisation de tableaux pour l'analyse

Qui est au-dessus de la moyenne ?

Qui s'occupe des soins de santé ?

Les tableaux en Python

Dans ce chapitre, vous découvrirez le paquetage Matplotlib qui permet de créer des tracés linéaires, des diagrammes de dispersion et des histogrammes.

Visualisation en Python

Importation de matplotlib et pyplot

Ajout d'étiquettes et de titres pour les axes

Plusieurs lignes sur la même parcelle

Diagrammes de dispersion

Histogrammes

Quelles sont les applications des histogrammes en finance ?

Les données sont-elles normalement distribuées ?

Comparaison de deux histogrammes

Ajouter une légende

Dans ce chapitre, vous aurez l'occasion d'appliquer toutes les techniques que vous avez apprises dans le cours sur les données du S&P 100.

Présentation de l'ensemble de données

Tableaux et NumPy

Un examen plus approfondi des secteurs

Tableaux de filtrage

Synthèse des données sectorielles

Tracez les ratios P/E

Visualiser les tendances

Histogramme des ratios P/E

Identifier la valeur aberrante

Nommez la valeur aberrante

Étude de cas S&P 100

Stocks data (I)

Stocks data (II)

S&P 100 data

L'industrie financière utilise beaucoup Python pour l'analyse quantitative, allant de la compréhension des dynamiques de trading aux systèmes de gestion des risques. Ce cours vous montrera comment analyser vos données financières en renforçant vos compétences en Python.
<br><br>
Le premier chapitre explique comment Python et la finance vont de pair. Vous apprendrez ensuite les bases de Python, telles que l'impression de sorties, l'exécution de calculs, la compréhension des types de données et la création de variables.
<br><br>
Ensuite, vous aborderez les listes et les tableaux en Python, en explorant la manière dont vous pouvez les utiliser pour travailler avec des données. Vous utiliserez les packages NumPy et Matplotlib pour manipuler et visualiser les données.
<br><br>
Enfin, vous terminerez le cours en réalisant une analyse financière en Python sur un ensemble de données du S&P 100. Ici, vous appliquerez vos compétences en Python pour filtrer des listes, résumer des données sectorielles, tracer des ratios P/E dans des histogrammes, visualiser des tendances financières et identifier des valeurs aberrantes.
<br><br>
À la fin du cours, vous serez confiant dans vos compétences de base en Python et dans vos compétences pratiques en analyse financière. Ces compétences sont fortement récompensées dans le secteur de la finance pour résoudre les problèmes de finance quantitative. Ce cours fait partie de notre cursus Finance Fundamentals in Python qui est parfait pour ceux qui souhaitent approfondir Python pour la finance.

<h2>Apprenez les bases de Python pour la finance</h2>
L'industrie financière utilise beaucoup Python pour l'analyse quantitative, allant de la compréhension des dynamiques de trading aux systèmes de gestion des risques. Ce cours vous montrera comment analyser vos données financières en renforçant vos compétences en Python.
<br><br>
<h2>Manipuler et visualiser des données avec des packages Python</h2>
Le premier chapitre explique comment Python et la finance vont de pair. Vous apprendrez ensuite les bases de Python, telles que l'impression de sorties, l'exécution de calculs, la compréhension des types de données et la création de variables.
<br><br>
Ensuite, vous aborderez les listes et les tableaux en Python, en explorant la manière dont vous pouvez les utiliser pour travailler avec des données. Vous utiliserez les packages NumPy et Matplotlib pour manipuler et visualiser les données.
<br><br>
<h2>Effectuer des analyses financières à l'aide de Python</h2>
Enfin, vous terminerez le cours en réalisant une analyse financière en Python sur un ensemble de données du S&amp;P 100. Ici, vous appliquerez vos compétences en Python pour filtrer des listes, résumer des données sectorielles, tracer des ratios P/E dans des histogrammes, visualiser des tendances financières et identifier des valeurs aberrantes.
<br><br>
À la fin du cours, vous serez confiant dans vos compétences de base en Python et dans vos compétences pratiques en analyse financière. Ces compétences sont fortement récompensées dans le secteur de la finance pour résoudre les problèmes de finance quantitative. Ce cours fait partie de notre cursus Finance Fundamentals in Python qui est parfait pour ceux qui souhaitent approfondir Python pour la finance.

Développez vos compétences Python pour booster votre carrière en finance. Maîtrisez listes et analyses.

Énumérer les méthodes et les fonctions

Create Your Free Account