Laad alle noteringsdata en itereren over key-value-koppels in een dictionary

Je weet al dat een pd.DataFrame()-object een tweedimensionale gelabelde datastructuur is. Zoals je in de video zag, wordt de functie pd.concat() gebruikt om DataFrames te samenvoegen, ofwel verticaal te combineren. Je kunt ook broadcasting gebruiken om nieuwe kolommen aan DataFrames toe te voegen.

In deze oefening ga je deze nieuwe pandas-functie oefenen met data van de NYSE- en NASDAQ-beurzen. pandas is geïmporteerd als pd.

Deze oefening maakt deel uit van de cursus

Financiële data importeren en beheren in Python

Cursus bekijken

Oefeninstructies

Importeer data uit listings.xlsx van de bladen 'nyse' en 'nasdaq' in de variabelen nyse en nasdaq. Lees 'n/a' in als ontbrekende waarden.
Inspecteer de inhoud van beide DataFrames met .info() om te zien hoeveel bedrijven er zijn gerapporteerd.
Maak met broadcasting een nieuwe referentiekolom 'Exchange' met de waarden 'NYSE' of 'NASDAQ' voor elke DataFrame.
Gebruik pd.concat() om de DataFrames nyse en nasdaq in die volgorde samen te voegen en ken dit toe aan combined_listings.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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.____([____, ____])

Code bewerken en uitvoeren