Gebruik van .melt() voor prestaties van aandelen vs. obligaties

Het is algemeen bekend dat de prijs van obligaties omgekeerd samenhangt met de prijs van aandelen. In deze laatste oefening herhaal je veel onderwerpen uit dit hoofdstuk om dat te bevestigen. Je hebt een tabel gekregen met het procentuele verschil van de prijs van de Amerikaanse 10-jaars staatsobligatie. De tabel staat in breed formaat, met een aparte kolom voor elk jaar. Je moet de .melt()-methode gebruiken om deze tabel van vorm te veranderen.

Daarnaast gebruik je de .query()-methode om overbodige gegevens eruit te filteren. Je voegt deze tabel samen met een tabel met het procentuele verschil van de Dow Jones Industrial-aandelenindex. Tot slot maak je een plot van de gegevens.

De tabellen ten_yr en dji zijn alvast voor je ingeladen.

Deze oefening maakt deel uit van de cursus

Data samenvoegen met pandas

Cursus bekijken

Oefeninstructies

Gebruik .melt() op ten_yr om alles behalve de kolom metric te unpivoten, met var_name='date' en value_name='close'. Sla het resultaat op als bond_perc.
Gebruik de methode .query() om alleen die rijen te selecteren waar metric gelijk is aan close, en sla op als bond_perc_close.
Gebruik merge_ordered() om dji (linkertabel) en bond_perc_close op date te mergen met een inner join, en stel suffixes in op ('_dow', '_bond'). Sla het resultaat op als dow_bond.
Gebruik dow_bond om alleen de Dow- en obligatiewaarden te plotten.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Use melt on ten_yr, unpivot everything besides the metric column
bond_perc = ____

# Use query on bond_perc to select only the rows where metric=close
bond_perc_close = ____

# Merge (ordered) dji and bond_perc_close on date with an inner join
dow_bond = ____


# Plot only the close_dow and close_bond columns
dow_bond.plot(____, x='date', rot=90)
plt.show()

Code bewerken en uitvoeren