This chapter is an introduction to basics in Python, including how to name variables and various data types in Python.

Welcome to Python for Finance!

Run code vs. submit answer

Python as a calculator

Variables

Creating numeric variables

Finding the average revenue

Data types

Creating different types of variables

Determining types

Combining data types

Welcome to Python

This chapter introduces lists in Python and how they can be used to work with data.

Lists

Creating lists in Python

Indexing list items

Slicing multiple list elements

Nested lists

Stock up a nested list

Subset a nested list

List methods and functions

Exploring list methods and functions

Using list methods to add data

Finding stock with maximum price

This chapter introduces packages in Python, specifically the NumPy package and how it can be efficiently used to manipulate arrays.

Arrays

Create an array

Elementwise operations on arrays

Subsetting elements from an array

2D arrays and functions

Creating a 2D array

Subsetting 2D arrays

Calculating array stats

Generating a sequence of numbers

Using arrays for analysis

Who's above average?

Who's in health care?

Arrays in Python

In this chapter, you will be introduced to the Matplotlib package for creating line plots, scatter plots, and histograms.

Visualisation en Python

Importation de matplotlib et pyplot

Ajout d'étiquettes et de titres aux axes

Lignes multiples sur le même graphique

Diagrammes de dispersion

Histogrammes

Quelles sont les applications des histogrammes dans le domaine financier ?

Les données sont-elles distribuées normalement ?

Comparaison de deux histogrammes

Ajouter une légende

Visualization in Python

In this chapter, you will get a chance to apply all the techniques you learned in the course on the S&P 100 data.

Introducing the dataset

Arrays and NumPy

A closer look at the sectors

Filtering arrays

Summarizing sector data

Plot P/E ratios

Visualizing trends

Histogram of P/E ratios

Identify the outlier

Name the outlier

S&P 100 Case Study

Stocks data (I)

Stocks data (II)

S&P 100 data

Course Glossary

Le secteur financier utilise largement Python pour l'analyse quantitative, que ce soit pour comprendre la dynamique des transactions ou pour les systèmes de gestion des risques. Ce cours vous montrera comment analyser vos données financières en développant vos compétences en Python.
<br><br>
Le premier chapitre explique comment Python et la finance sont étroitement liés. Vous apprendrez ensuite les bases de Python, telles que l'affichage de résultats, la réalisation 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 découvrant comment 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 effectuant une analyse financière Python sur un ensemble de données S&P 100. Ici, vous appliquerez vos compétences en Python pour filtrer des listes, résumer des données sectorielles, créer un graphique des ratios C/B, visualiser des tendances financières et identifier des valeurs aberrantes.
<br><br>
À la fin du cours, vous maîtriserez les bases de Python et les compétences pratiques en analyse financière. Ces compétences sont très recherchées dans le secteur financier pour résoudre des problèmes de finance quantitative. Ce cours fait partie de notre cursus Principes fondamentaux de la finance en Python, idéal pour ceux qui souhaitent approfondir leurs connaissances en Python dans le domaine de la finance.

Les vidéos contiennent des transcriptions en direct que vous pouvez afficher en cliquant sur « Afficher la transcription » en bas à gauche des vidéos.

Le glossaire du cours se trouve à droite dans la section « Ressources ».

Pour obtenir des crédits CPE, vous devez suivre le cours dans son intégralité et obtenir une note d’au moins 70 % à l'évaluation qualifiante. Vous pouvez accéder à l'évaluation en cliquant sur la mention « Crédits CPE » à droite.

<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.

Introduction à Python pour la finance

Principes fondamentaux de la finance en Python

Principes fondamentaux de la finance avec la FCI

Quelles sont les applications des histogrammes dans le domaine financier ?

Exercice interactif pratique