Capitalizzazione mediana per settore

I dati aggregati sono dati combinati a partire da più misurazioni. Come hai visto nel video, la funzione .groupby() è utile per aggregare i dati in base a una categoria specifica.

Hai già notato che i dati sulla capitalizzazione di mercato contengono forti valori anomali. Per ottenere un riepilogo più robusto del valore di mercato delle aziende in ciascun settore, calcolerai la capitalizzazione di mercato mediana per settore. pandas come pd e matplotlib.pyplot come plt sono già importati e le quotazioni del NYSE sono disponibili nel tuo workspace come DataFrame nyse.

Questo esercizio fa parte del corso

Importing and Managing Financial Data in Python

Visualizza corso

Istruzioni dell'esercizio

Esamina nyse usando .info().
Con il broadcasting e .div(), crea una nuova colonna market_cap_m che contenga la capitalizzazione di mercato in milioni di USD.
Ometti la colonna 'Market Capitalization' con .drop().
Applica il metodo .groupby() a nyse, usando 'Sector' come colonna per raggruppare i dati.
Calcola la mediana della colonna market_cap_m come median_mcap_by_sector.
Rappresenta il risultato con un grafico a barre orizzontali con il titolo 'NYSE - Median Market Capitalization'. Usa plt.xlabel() con 'USD mn' per aggiungere un’etichetta.
Visualizza il risultato.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# Inspect NYSE data
nyse.____()

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

# Drop market cap column
nyse = ____.____('Market Capitalization', axis=1)

# Group nyse by sector
mcap_by_sector = ____.____(____)

# Calculate median
median_mcap_by_sector = mcap_by_sector.____.____()

# Plot and show as horizontal bar chart
median_mcap_by_sector.plot(____=____, title='NYSE - Median Market Capitalization')

# Add the label
plt.____('USD mn')

# Show the plot
plt.show()

Modifica ed esegui il codice