Oblicz wybrane statystyki według sektora i roku IPO

Funkcja pointplot() z biblioteki seaborn ułatwia porównywanie statystyk podsumowujących zmiennej numerycznej dla różnych poziomów zmiennych kategorycznych:

seaborn.pointplot(x=None, y=None, hue=None, data=None, ...)

W filmie widziałeś wizualizację kapitalizacji rynkowej (zmienna numeryczna) z podziałem na to, czy IPO (zmienna kategoryczna) miało miejsce przed (pierwszy poziom) czy po (drugi poziom) roku 2000.

W tym ćwiczeniu porównasz średnią kapitalizację rynkową dla każdego roku od 2000 dla giełd NYSE i NASDAQ, po wykluczeniu wartości odstających powyżej 95. percentyla. Biblioteki pandas jako pd i matplotlib.pyplot jako plt zostały już zaimportowane, a ramka danych listings z kolumną referencyjną 'Exchange' jest dostępna w twoim środowisku.

To ćwiczenie jest częścią kursu

Importowanie i zarządzanie danymi finansowymi w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj seaborn jako sns.
Przefiltruj listings, aby uwzględniać tylko spółki z IPO po 2000 roku ze wszystkich giełd z wyjątkiem 'amex'.
Przekonwertuj dane w kolumnie 'IPO Year' na liczby całkowite.
Utwórz kolumnę market_cap_m, aby wyrazić kapitalizację rynkową w milionach USD.
Przefiltruj market_cap_m, wykluczając wartości powyżej 95. percentyla.
Utwórz wykres pointplot dla listings, używając kolumny 'IPO Year' dla x, 'market_cap_m' dla y i 'Exchange' dla hue. Wyświetl wynik, obracając etykiety osi xticks o 45 stopni.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()

Edytuj i uruchom kod