Calcola diverse metriche per settore e borsa
La funzione .agg() ti permette di aggregare i dati in modi ancora più flessibili. Fornendo un elenco di nomi di metodi statistici puoi calcolare più statistiche descrittive in una sola volta. Puoi assegnare nuovi nomi alle colonne aggregate usando il metodo rename, che accetta un dizionario in cui le chiavi sono i nomi delle metriche calcolate e i valori sono i nuovi nomi desiderati.
In questo esercizio calcolerai media, mediana e deviazione standard delle capitalizzazioni di mercato in milioni di USD. 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
Istruzioni dell'esercizio
- Con il broadcasting e
.div(), crea una nuova colonna'market_cap_m'che contenga la capitalizzazione di mercato in milioni di USD. - Raggruppa i dati sia per
'Sector'sia per'Exchange', assegnando il risultato aby_sector_exchange. - Assegna la colonna
market_cap_mdiby_sector_exchangea una variabilebse_mcm. - Usa
.agg()per calcolare media, mediana e deviazione standard permarket_cap_m, e richiama il metodo rename con un dizionario come argomento del parametro keywordcolumnsper memorizzare i risultati rispettivamente in'Average','Median'e'Standard Deviation', assegnando il tutto asummary. - Stampa il risultato sulla console.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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)