Traccia la timeline delle IPO per tutte le borse con countplot()

Per creare una visualizzazione di base del numero di osservazioni per categoria in un insieme di dati, la funzione countplot() di seaborn è di solito la scelta giusta:

seaborn.countplot(x=None, hue=None, data=None, ...)

Il parametro x contiene i nomi delle variabili presenti nell'argomento data, che è il DataFrame da rappresentare. hue identifica un’ulteriore variabile categorica tramite il colore. Questi sono tre parametri opzionali tra i molti accettati dalla funzione; per l’elenco completo, consulta la documentazione di seaborn.

Usiamo questo strumento per confrontare la timeline dell’attività di IPO tra le tre borse. pandas come pd, matplotlib.pyplot come plt e seaborn come sns 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

Filtra listings includendo solo gli anni di IPO successivi al 2000.
Converti i dati nella colonna 'IPO Year' in interi.
Traccia un sns.countplot() di listings usando 'IPO Year' come variabile x e 'Exchange' per hue.
Ruota le xticks() di 45 gradi e mostra il risultato.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# Select IPOs after 2000
listings = listings[____[____] > ____]

# Convert IPO Year to integer
listings['IPO Year'] = ____[____].____(____)

# Create a countplot
sns.countplot(x=____, hue=____, data=____)

# Rotate xticks and show result
plt.xticks(rotation=45)

# Show the plot
plt.show()

Modifica ed esegui il codice