섹터와 IPO 연도별로 여러 지표 계산하기
seaborn의 pointplot() 함수는 범주형 변수의 서로 다른 수준에 대해 수치형 변수의 요약 통계를 비교할 수 있게 해줘요:
seaborn.pointplot(x=None, y=None, hue=None, data=None, ...)
영상에서는 IPO(범주형 변수)가 2000년 이전(첫 번째 수준)과 이후(두 번째 수준)에 발생했는지에 따라 시가총액(수치형 변수)을 시각화하는 방법을 보셨습니다.
이 연습 문제에서는 95번째 분위수를 초과하는 이상치를 제외한 뒤, 2000년 이후 각 연도별로 NYSE와 NASDAQ의 평균 시가총액을 비교해 볼 거예요. pandas는 pd로, matplotlib.pyplot은 plt로 임포트되어 있으며, 참조 열 'Exchange'를 가진 listings DataFrame이 워크스페이스에 준비되어 있어요.
이 연습은 강의의 일부입니다
Python으로 금융 데이터 가져오기와 관리
연습 안내
seaborn을sns로 임포트하세요.- 모든 거래소 중
'amex'를 제외하고, 2000년 이후 IPO가 있었던 기업만 남기도록listings를 필터링하세요. 'IPO Year'열의 데이터를 정수형으로 변환하세요.- 시가총액을 백만 달러(USD) 단위로 표현하는
market_cap_m열을 만드세요. market_cap_m에서 95번째 분위수를 초과하는 값을 제외하세요.listings에 대해pointplot을 생성하되,x에는'IPO Year',y에는'market_cap_m',hue에는'Exchange'를 사용하세요.xticks를 45도 회전한 후 결과를 표시하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import the seaborn library as sns
____
# Exclude IPOs before 2000 and from the 'amex'
listings = ____[(____['IPO Year'] > ____) & (listings.Exchange != ____)]
# Convert IPO Year to integer
listings['IPO Year'] = ____['IPO Year'].____(____)
# Create market_cap_m
listings['market_cap_m'] = ____['Market Capitalization'].div(1e6)
# Exclude outliers
listings = listings[listings.____ < listings.____.____(.95)]
# Create the pointplot
sns.pointplot(x=____, y=____, hue=____, data=____)
# Rotate xticks
plt.____(____=____)
# Show the plot
plt.show()