섹터와 거래소별로 여러 지표 계산하기
.agg() 함수는 데이터를 더 다양한 방식으로 집계할 수 있게 해요. 통계 메서드 이름의 리스트를 제공하면 한 번에 여러 요약 통계를 계산합니다. 집계된 열에 새 이름을 지정하려면 딕셔너리를 인자로 받는 rename 메서드를 사용할 수 있어요. 이때 딕셔너리의 키는 계산한 지표의 원래 이름이고, 값은 지정할 새 이름입니다.
이번 연습에서는 시가총액을 백만 달러(USD) 단위로 변환한 값의 평균, 중앙값, 표준편차를 계산해 보겠습니다. pandas는 pd로, matplotlib.pyplot은 plt로 임포트되어 있으며, 기준 열 'Exchange'를 포함한 listings DataFrame이 워크스페이스에 준비되어 있어요.
이 연습은 강의의 일부입니다
Python으로 금융 데이터 가져오기와 관리
연습 안내
- 브로드캐스팅과
.div()를 사용해 시가총액을 백만 달러(USD) 단위로 변환한 새 열'market_cap_m'을 만드세요. - 데이터를
'Sector'와'Exchange'두 열로 그룹화하고 결과를by_sector_exchange에 할당하세요. by_sector_exchange의market_cap_m열을 변수bse_mcm에 할당하세요..agg()로market_cap_m의 평균, 중앙값, 표준편차를 계산하고, 키워드 매개변수columns에 딕셔너리 인자를 사용해 결과 열 이름을 각각'Average','Median','Standard Deviation'으로 지정해summary에 저장하세요.- 결과를 콘솔에 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create market_cap_m
listings['market_cap_m'] = ____[____].div(1e6)
# Group listing by both Sector and Exchange
by_sector_exchange = ____.____(['Sector', 'Exchange'])
# Subset market_cap_m of by_sector_exchange
bse_mcm = ____[____]
# Calculate mean, median, and std in summary
summary = ____.____(['____', '____', '____']).rename(columns={'mean': ____, 'median': ____, 'std':____})
# Print the summary
print(summary)