In this chapter, you’ll learn how to create and manipulate Python datetime objects to help you identify key financial events, such as Black Friday. You’ll also learn how to store and efficiently look up items using Python dictionaries. 

Representing time with datetimes

Creating datetimes for dates

Datetimes from strings

Converting format with datetimes

Working with datetimes

Accessing datetime attributes

Comparing datetimes

Making relative datetimes

Dictionaries

Creating and accessing dictionaries

Accessing safely and deleting

Datetimes and Dictionaries 

Through hands-on activities, you’ll discover how to use Boolean logic to determine truth and use comparison and equality operators to control execution in if-statements and loops.

Comparison operators

Equality across types

Assignment and equality

Comparing dividends

Boolean operators

Decisions with Boolean operations

Assigning variables with Boolean operators

Negating with Boolean operators

If statements

Control statements

Comparing sales and purchases

Branching with elif and else

For and while loops

Breaking out of a for loop

Controlling loop execution

Control Flow and Logic

Discover how to create and access DataFrames with pandas using financial data from other data structures, including Dicts, lists, and CSV files. You’ll then uncover additional insights, as you aggregate data across rows or columns, calculate averages, and extend your data using functions.

Creare un DataFrame

Creare DataFrame

Lettura della storia di mercato

Accesso ai dati

Accesso tramite nomi

Accesso tramite indici

Aggregazione e sintesi

Prezzi medi

Prezzi mediani

Estendere e manipolare i dati

Creare nuove colonne

Eliminare colonne da un DataFrame

Manipolare i dati con Pandas

Pandas Dataframe

In this final chapter, you’ll try your hand at working with real-world NASDAQ stock data as you learn how to interpret new data, create masks to filter data, and visualize your findings with plots.

Peeking at data with head, tail, and describe

Why use describe

Peek at top and bottom

Describing data

Filtering data

Why filter data

Filtering stock data.

Selecting data from data range

Plotting data

Identifying plot type

Making a line plot

Choose kind of plot

Wrapping up

Working with NASDAQ Stock Data

Alphabet stock

Se sei un analista finanziario o aziendale, o stai semplicemente cercando un modo più semplice per gestire il tuo portafoglio azionario, imparare Python può aiutarti ad automatizzare attività come il calcolo del rischio, il monitoraggio dello stato del mercato e la visualizzazione dell’andamento dei prezzi di un titolo, facendoti risparmiare tempo e denaro.

In questo corso imparerai a usare le strutture dati di Python, le istruzioni di controllo del flusso e i DataFrame per manipolare dati finanziari. Lavorerai quindi con pandas, utilizzando dati della Federal Reserve Bank, per esplorare le tendenze economiche nazionali—una parte essenziale per comprendere le strategie di investimento. Calcolerai anche il rischio a partire dai dati dei prezzi azionari e visualizzerai questi dati in grafici facili da leggere. Alla fine del corso, sarai il nuovo Python di Wall Street.

Introduction to Python for Finance

Migliora le tue abilità Python per la finanza imparando datetime, if-statements, DataFrames e altro.

Python intermedio per la finanza

Migliora le tue abilità in Python per la finanza, imparando a usare datetime, istruzioni if, DataFrame e altro ancora.

Fondamenti di finanza in Python

Fondamenti di finanza con CFI

	Symbol	Purchased	Quantity	Price
0	AAPL	2016-01-08	23	96.96
1	AAPL	2018-09-07	50	221.30
2	AMZN	2020-02-14	14	324.95

Accesso tramite indici

Python intermedio per la finanza

Esercizio pratico interattivo