Hitung beberapa metrik berdasarkan sektor dan tahun IPO

Fungsi pointplot() di seaborn memudahkan perbandingan statistik ringkas dari sebuah variabel numerik pada berbagai tingkat variabel kategorikal:

seaborn.pointplot(x=None, y=None, hue=None, data=None, ...)

Dalam video, Anda melihat visualisasi kapitalisasi pasar (variabel numerik) yang dibedakan berdasarkan apakah IPO (variabel kategorikal) terjadi sebelum (tingkat pertama) atau setelah (tingkat kedua) tahun 2000.

Pada latihan ini, Anda akan membandingkan rata-rata kapitalisasi pasar untuk setiap tahun sejak 2000 untuk NYSE dan NASDAQ, setelah mengecualikan pencilan di atas persentil ke-95. pandas sebagai pd dan matplotlib.pyplot sebagai plt telah diimpor, dan DataFrame listings dengan kolom referensi 'Exchange' tersedia di workspace Anda.

Latihan ini merupakan bagian dari kursus

Mengimpor dan Mengelola Data Keuangan di Python

Lihat Kursus

Instruksi latihan

Impor seaborn sebagai sns.
Saring listings agar hanya berisi perusahaan dengan IPO setelah 2000 dari semua bursa kecuali 'amex'.
Ubah data pada kolom 'IPO Year' menjadi bilangan bulat.
Buat kolom market_cap_m untuk menyatakan kapitalisasi pasar dalam juta USD.
Saring market_cap_m untuk mengecualikan nilai di atas persentil ke-95.
Buat pointplot dari listings dengan kolom 'IPO Year' untuk x, 'market_cap_m' untuk y, dan 'Exchange' untuk hue. Tampilkan hasilnya setelah memutar xticks sebesar 45 derajat.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Import the seaborn library as sns
____

# Exclude IPOs before 2000 and from the 'amex'
listings = ____[(____['IPO Year'] > ____) & (listings.Exchange != ____)]

# Convert IPO Year to integer
listings['IPO Year'] = ____['IPO Year'].____(____)

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

# Exclude outliers
listings = listings[listings.____ < listings.____.____(.95)]

# Create the pointplot
sns.pointplot(x=____, y=____, hue=____, data=____)

# Rotate xticks
plt.____(____=____)

# Show the plot
plt.show()

Edit dan Jalankan Kode