Mediana kapitalizacji rynkowej według sektora
Dane zagregowane to dane połączone z kilku pomiarów. Jak widziałeś w filmie, funkcja .groupby() jest bardzo przydatna do agregowania danych według określonej kategorii.
Wcześniej zaobserwowałeś, że dane o kapitalizacji rynkowej zawierają duże wartości odstające. Aby uzyskać bardziej rzetelne podsumowanie wartości rynkowej spółek w każdym sektorze, obliczysz medianę kapitalizacji rynkowej według sektora. Biblioteki pandas jako pd oraz matplotlib.pyplot jako plt są już zaimportowane, a dane o notowaniach giełdy NYSE są dostępne w przestrzeni roboczej jako DataFrame nyse.
To ćwiczenie jest częścią kursu
Importowanie i zarządzanie danymi finansowymi w Pythonie
Instrukcje do ćwiczenia
- Zbadaj
nyseza pomocą.info(). - Korzystając z rozgłaszania (broadcasting) i
.div(), utwórz nową kolumnęmarket_cap_mzawierającą kapitalizację rynkową w milionach USD. - Usuń kolumnę
'Market Capitalization'za pomocą.drop(). - Zastosuj metodę
.groupby()donyse, grupując dane według kolumny'Sector'. - Oblicz medianę kolumny
market_cap_mi zapisz wynik jakomedian_mcap_by_sector. - Wyświetl wynik jako poziomy wykres słupkowy z tytułem
'NYSE - Median Market Capitalization'. Użyjplt.xlabel()z wartością'USD mn', aby dodać etykietę osi. - Pokaż wynik.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Inspect NYSE data
nyse.____()
# Create market_cap_m
nyse['market_cap_m'] = ____[____].div(1e6)
# Drop market cap column
nyse = ____.____('Market Capitalization', axis=1)
# Group nyse by sector
mcap_by_sector = ____.____(____)
# Calculate median
median_mcap_by_sector = mcap_by_sector.____.____()
# Plot and show as horizontal bar chart
median_mcap_by_sector.plot(____=____, title='NYSE - Median Market Capitalization')
# Add the label
plt.____('USD mn')
# Show the plot
plt.show()