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.

Creating a DataFrame

Creating DataFrames

Reading market history

Accessing Data

Accessing using names

Accessing using indexes

Aggregating and summarizing

Mean prices

Median prices

Extending and manipulating data

Creating new columns

Dropping columns from DataFrame

Manipulating data with 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.

Data verkennen met head, tail en describe

Waarom describe gebruiken

Kijk aan de boven- en onderkant

Gegevens beschrijven

Gegevens filteren

Waarom gegevens filteren

Aandelengegevens filteren.

Gegevens selecteren uit een datumbereik

Gegevens plotten

Plottype herkennen

Een lijndiagram maken

Kies het type plot

Afronding

Working with NASDAQ Stock Data

Alphabet stock

Ben je financieel analist, business-analist of gewoon op zoek naar een makkelijkere manier om je aandelenportefeuille te beheren? Met Python kun je financiële taken automatiseren, zoals het berekenen van risico, het in kaart brengen van de marktvitaliteit en het visualiseren van prijstrends van aandelen—waardoor je tijd en geld bespaart.

In deze cursus leer je hoe je Python-datastructuren, uitvoeringscontrole (control flow) en DataFrames gebruikt om financiële data te manipuleren. Daarna ga je aan de slag met pandas, met data van de Federal Reserve Bank, om nationale economische trends te verkennen—essentieel voor het begrijpen van beleggingsstrategieën. Je berekent ook risico op basis van aandelenkoersdata en toont deze gegevens in overzichtelijke plots. Aan het einde van deze cursus ben jij de nieuwe Python van Wall Street.

Introduction to Python for Finance

Bouw voort op je Python-vaardigheden voor financiën met datetime, if-statements, DataFrames en meer.

Python voor Finance - gevorderd

Breid je Python-vaardigheden voor financiën uit door te leren hoe je datetime, if-statements, DataFrames en nog veel meer kunt gebruiken.

Financiële basisprincipes in Python

Financiële basisprincipes met CFI

Waarom gegevens filteren

Python voor Finance - gevorderd

Praktische interactieve oefening