Calcola diverse metriche per settore e anno di IPO

La funzione pointplot() di seaborn facilita il confronto di statistiche riassuntive di una variabile numerica per diversi livelli di variabili categoriche:

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

Nel video, hai visto una visualizzazione della capitalizzazione di mercato (variabile numerica) suddivisa in base al fatto che l’IPO (variabile categorica) sia avvenuta prima (primo livello) o dopo (secondo livello) l’anno 2000.

In questo esercizio confronterai la capitalizzazione media di mercato per ciascun anno dal 2000 in poi per NYSE e NASDAQ, dopo aver escluso i valori anomali oltre il 95º percentile. pandas come pd e matplotlib.pyplot come plt sono già importati, e il DataFrame listings con la colonna di riferimento 'Exchange' è disponibile nel tuo workspace.

Questo esercizio fa parte del corso

Importing and Managing Financial Data in Python

Visualizza corso

Istruzioni dell'esercizio

Importa seaborn come sns.
Filtra listings per includere le aziende con IPO dopo il 2000 da tutte le borse, tranne 'amex'.
Converti i dati nella colonna 'IPO Year' in interi.
Crea la colonna market_cap_m per esprimere la market cap in milioni di USD.
Filtra market_cap_m per escludere i valori sopra il 95º percentile.
Crea un pointplot di listings usando la colonna 'IPO Year' per x, 'market_cap_m' per y, e 'Exchange' per hue. Mostra il risultato dopo aver ruotato gli xticks di 45 gradi.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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()

Modifica ed esegui il codice