Carica tutti i dati di listing e itera sulle coppie chiave-valore del dizionario
Sai già che un oggetto pd.DataFrame() è una struttura dati bidimensionale etichettata. Come visto nel video, la funzione pd.concat() serve a concatenare, cioè combinare verticalmente, due o più DataFrame. Puoi anche usare il broadcasting per aggiungere nuove colonne ai DataFrame.
In questo esercizio metterai in pratica questa nuova funzione di pandas con i dati delle borse NYSE e NASDAQ. pandas è già stato importato come pd.
Questo esercizio fa parte del corso
Importing and Managing Financial Data in Python
Istruzioni dell'esercizio
- Importa i dati dal file
listings.xlsxdai fogli'nyse'e'nasdaq'nelle variabilinyseenasdaq. Interpreta'n/a'come valore mancante. - Ispeziona il contenuto di entrambi i DataFrame con
.info()per scoprire quante aziende sono riportate. - Con il broadcasting, crea una nuova colonna di riferimento chiamata
'Exchange'che contenga i valori'NYSE'o'NASDAQ'per ciascun DataFrame. - Usa
pd.concat()per concatenare i DataFramenyseenasdaq, in quest'ordine, e assegna il risultato acombined_listings.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Import the NYSE and NASDAQ listings
nyse = pd.____('listings.xlsx', ____='nyse', na_values='n/a')
nasdaq = pd.____('listings.xlsx', ____='nasdaq', na_values='n/a')
# Inspect nyse and nasdaq
nyse.____()
nasdaq.____()
# Add Exchange reference columns
nyse['____'] = 'NYSE'
nasdaq['____'] = 'NASDAQ'
# Concatenate DataFrames
combined_listings = pd.____([____, ____])