Mediana kapitalizacji rynkowej według roku IPO
W ostatniej lekcji poprzedniego rozdziału stworzyłeś oś czasu przedstawiającą liczbę IPO w poszczególnych latach dla spółek technologicznych.
Teraz przeanalizujmy, jak zmieniała się kapitalizacja rynkowa w zależności od roku debiutu giełdowego. Możesz połączyć dane ze wszystkich trzech giełd, aby uzyskać pełniejszy obraz.
pandas jako pd i matplotlib.pyplot jako plt zostały już zaimportowane. W twoim środowisku dostępna jest również ramka danych listings z poprzednich ćwiczeń – zawiera teraz dodatkową kolumnę referencyjną 'exchange', która przechowuje nazwę giełdy dla każdej notowanej spółki.
To ćwiczenie jest częścią kursu
Importowanie i zarządzanie danymi finansowymi w Pythonie
Instrukcje do ćwiczenia
- Zbadaj i wyświetl
listings, używając.info()oraz.head(). - Korzystając z rozgłaszania (broadcasting), utwórz w
listingsnową kolumnęmarket_cap_mzawierającą kapitalizację rynkową w milionach USD. - Wybierz wszystkie spółki, których
'IPO Year'jest późniejszy niż 1985. - Usuń wszystkie brakujące wartości z kolumny
'IPO Year', a pozostałe przekształć na typdtypeinteger. - Pogrupuj
listingswedług'IPO Year', wybierz kolumnęmarket_cap_mi obliczmedian, posortuj wynik za pomocą.sort_index(), a następnie przypisz go doipo_by_year. - Wykreśl i wyświetl wyniki w postaci wykresu słupkowego.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Inspect listings
listings.____()
# Show listings head
print(listings.____())
# Create market_cap_m
listings['market_cap_m'] = ____[____].div(1e6)
# Select companies with IPO after 1985
listings = listings[____[____] > ____]
# Drop missing values and convert to integers
listings['IPO Year'] = ____[____].dropna().____(int)
# Calculate the median market cap by IPO Year and sort the index
ipo_by_year = listings.____(____).____.median().____()
# Plot results as a bar chart
ipo_by_year.plot(kind='bar')
# Show the plot
plt.show()