Tutte le statistiche descrittive per settore

Puoi applicare le varie statistiche descrittive che hai imparato nel capitolo precedente a un oggetto groupby per ottenere i risultati per categoria. Questo include anche la funzione .describe(), che fornisce diverse informazioni tutte insieme!

Qui lo metterai in pratica con le quotazioni NASDAQ. pandas è stato importato come pd e i dati delle società quotate al NASDAQ sono disponibili nel tuo workspace nel DataFrame nasdaq.

Questo esercizio fa parte del corso

Importing and Managing Financial Data in Python

Visualizza corso

Istruzioni dell'esercizio

Esamina i dati nasdaq usando .info().
Crea una nuova colonna market_cap_m che contenga la capitalizzazione di mercato in milioni di USD. Alla riga successiva, elimina la colonna 'Market Capitalization'.
Raggruppa i dati nasdaq per 'Sector' e assegna a nasdaq_by_sector.
Chiama il metodo .describe() su nasdaq_by_sector, assegna a summary e stampa il risultato.
Funziona, ma result è in formato long e utilizza un pd.MultiIndex() che hai già visto. Converti summary in formato wide chiamando .unstack().

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# Inspect NASDAQ data
nasdaq.____()

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

# Drop the Market Capitalization column
nasdaq.drop('Market Capitalization', axis=1, inplace=True)

# Group nasdaq by Sector
nasdaq_by_sector = ____.____(____)

# Create summary statistics by sector
summary = ____.____()

# Print the summary
print(summary)

# Unstack 
summary = ____.____()

# Print the summary again
print(summary)

Modifica ed esegui il codice