शुरू करेंमुफ़्त में शुरू करें

सेक्टर और एक्सचेंज के अनुसार कई मेट्रिक्स निकालें

.agg() फंक्शन आपको अपने डेटा को और भी तरीकों से एग्रीगेट करने देता है। यदि आप सांख्यिकीय तरीकों के नामों की एक सूची देते हैं, तो एक साथ एक से अधिक समरी स्टैटिस्टिक निकाली जा सकती है। आप aggregated कॉलम्स के नए नाम .rename() मेथड से दे सकते हैं, जो एक डिक्शनरी आर्ग्युमेंट लेता है जहाँ keys वे मेट्रिक्स हैं जिन्हें आप compute करते हैं और values वे नए नाम हैं जो आप देना चाहते हैं.

इस अभ्यास में, आप मार्केट कैपिटलाइज़ेशन (USD में, मिलियनों) का mean, median, और standard deviation निकालेंगे। pandas को pd नाम से और matplotlib.pyplot को plt नाम से इंपोर्ट किया गया है, और listings DataFrame, जिसमें संदर्भ कॉलम 'Exchange' है, आपके वर्कस्पेस में उपलब्ध है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में वित्तीय डेटा इम्पोर्ट और मैनेज करना

पाठ्यक्रम देखें

अभ्यास निर्देश

  • broadcasting और .div() के साथ एक नया कॉलम 'market_cap_m' बनाएँ, जिसमें मार्केट कैपिटलाइज़ेशन का डेटा USD में मिलियनों में हो.
  • अपने डेटा को 'Sector' और 'Exchange' दोनों के आधार पर group करें, और नतीजा by_sector_exchange को असाइन करें.
  • by_sector_exchange के market_cap_m कॉलम को वैरिएबल bse_mcm में असाइन करें.
  • .agg() का उपयोग करके market_cap_m के लिए mean, median, और standard deviation निकालें, और .rename() मेथड को कीवर्ड पैरामीटर columns के लिए एक डिक्शनरी आर्ग्युमेंट के साथ कॉल करें ताकि परिणाम क्रमशः 'Average', 'Median', और 'Standard Deviation' में स्टोर हों, और इसे summary को असाइन करें.
  • परिणाम को अपने कंसोल पर प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Create market_cap_m
listings['market_cap_m'] = ____[____].div(1e6)

# Group listing by both Sector and Exchange
by_sector_exchange = ____.____(['Sector', 'Exchange'])

# Subset market_cap_m of by_sector_exchange
bse_mcm = ____[____]

# Calculate mean, median, and std in summary
summary = ____.____(['____', '____', '____']).rename(columns={'mean': ____, 'median': ____, 'std':____})

# Print the summary
print(summary)
कोड संपादित करें और चलाएँ