Hitung beberapa metrik berdasarkan sektor dan bursa

Fungsi .agg() memungkinkan Anda mengagregasikan data dengan lebih banyak cara. Dengan memberikan daftar nama metode statistik, Anda dapat menghitung lebih dari satu statistik ringkas sekaligus. Anda dapat memberikan nama baru untuk kolom hasil agregasi menggunakan metode rename, yang menerima argumen kamus dengan kunci berupa nama metrik yang Anda hitung dan nilai berupa nama baru yang diinginkan.

Dalam latihan ini, Anda akan menghitung mean, median, dan standar deviasi dari kapitalisasi pasar dalam jutaan USD. 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

Dengan broadcasting dan .div(), buat kolom baru 'market_cap_m' yang berisi data kapitalisasi pasar dalam jutaan USD.
Kelompokkan data Anda berdasarkan 'Sector' dan 'Exchange', lalu simpan hasilnya ke by_sector_exchange.
Ambil kolom market_cap_m dari by_sector_exchange dan simpan ke variabel bse_mcm.
Gunakan .agg() untuk menghitung mean, median, dan standar deviasi untuk market_cap_m, lalu panggil metode rename dengan argumen kamus untuk parameter kata kunci columns sehingga hasilnya disimpan masing-masing dalam 'Average', 'Median', dan 'Standard Deviation', dan simpan ke summary.
Cetak hasilnya ke konsol Anda.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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)

Edit dan Jalankan Kode