Valore aziendale per mercato e settore
Puoi creare riepiloghi più dettagliati dei tuoi dati passando una lista di colonne a .groupby() e/o applicando direttamente un metodo statistico come .mean() a una o più colonne numeriche.
Qui calcolerai la capitalizzazione di mercato mediana per ciascun settore, distinguendo in base al mercato su cui le aziende sono quotate. Userai anche .unstack() per spostare le etichette del mercato dalle righe alle colonne. Prima di iniziare l’esercizio, è una buona idea dare un’occhiata a listings nella console!
pandas come pd e matplotlib.pyplot come plt sono già importati e il DataFrame listings, con la colonna di riferimento 'Exchange' e una nuova colonna market_cap_m che contiene la capitalizzazione in milioni di USD, è disponibile nel tuo workspace.
Questo esercizio fa parte del corso
Importing and Managing Financial Data in Python
Istruzioni dell'esercizio
- Raggruppa i dati sia per
'Sector'sia per'Exchange'e assegna il risultato aby_sector_exchange. - Calcola la capitalizzazione di mercato mediana per
by_sector_exchangee assegna amcap_by_sector_exchange. - Visualizza le prime 5 righe del risultato con
.head(). - Chiama
.unstack()sumcap_by_sector_exchangeper spostare le etichetteExchangenelle colonne e assegna amcap_unstacked. - Rappresenta il risultato con un grafico a barre con il titolo
'Median Market Capitalization by Exchange'eylabelimpostato a'USD mn', - Mostra il risultato.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Group listings by Sector and Exchange
by_sector_exchange = ____.____(['Sector', 'Exchange'])
# Calculate the median market cap
mcap_by_sector_exchange = by_sector_exchange.____.____()
# Display the head of the result
print(mcap_by_sector_exchange.____())
# Unstack mcap_by_sector_exchange
mcap_unstacked = ____.____()
# Plot as a bar chart
mcap_unstacked.plot(____=____, title='Median Market Capitalization by Exchange')
# Set the x label
plt.____('USD mn')
# Show the plot
plt.show()