Ottieni i dati per le 3 maggiori società finanziarie
Un oggetto pd.MultiIndex() ha più di un identificatore per riga. Questo ti permette di ottenere i dati in base a criteri per più aziende contemporaneamente.
Mettiamo in pratica questa nuova abilità per recuperare i prezzi azionari delle società più grandi del settore finanziario. DataReader, date, pandas come pd e matplotlib.pyplot come plt sono già stati importati, così come il DataFrame listings dall'esercizio precedente.
Questo esercizio fa parte del corso
Importing and Managing Financial Data in Python
Istruzioni dell'esercizio
- Imposta
'Stock Symbol'come indice perlistings, assegnando il risultato alistings_ss. - Usa
.loc[]per filtrare le righe in cui il settore dell'azienda è'Finance'ed estrai la colonna'Market Capitalization'. Applica.nlargest()per assegnare atop_3_companiesle 3 società più grandi per capitalizzazione. - Converti l'indice del risultato in una lista e assegnalo a
top_3_tickers. - Usa
date()per impostarestartal 1° gennaio 2015. - Usa
date()per impostareendal 1° aprile 2020. - Usa
DataReader()per ottenere i dati azionari pertop_3_tickersda'iex'dastartfino aende assegnali aresult. - Applica il metodo
.stack()per convertire ilDataFramein formato long spostando i ticker nell'indice. - Seleziona
'close'dadata, applica.unstack()e ispeziona il DataFrame risultante, ora in formato wide, con.info().
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Set Stock Symbol as the index
listings_ss = listings.____
# Get ticker of 3 largest finance companies
top_3_companies = listings_ss.loc[____].____(n=____)
# Convert index to list
top_3_tickers = top_3_companies.____.____()
# Set start date
start = ____
# Set end date
end = ____
# Import stock data
result = ____
# Apply stack method
data = ____
# Unstack and inspect result
data['close'].____().____()