Wszystkie statystyki opisowe według sektora

Do obiektu groupby możesz stosować różne statystyki opisowe poznane w poprzednim rozdziale, aby uzyskać wyniki dla każdej kategorii osobno. Należy do nich metoda .describe(), która dostarcza kilku informacji naraz!

W tym ćwiczeniu przećwiczysz to na danych z giełdy NASDAQ. Biblioteka pandas jest już zaimportowana jako pd, a dane z giełdy NASDAQ są dostępne w twoim środowisku jako DataFrame nasdaq.

To ćwiczenie jest częścią kursu

Importowanie i zarządzanie danymi finansowymi w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Sprawdź dane nasdaq za pomocą metody .info().
Utwórz nową kolumnę market_cap_m zawierającą kapitalizację rynkową w milionach USD. W kolejnej linii usuń kolumnę 'Market Capitalization'.
Pogrupuj dane nasdaq według kolumny 'Sector' i przypisz wynik do zmiennej nasdaq_by_sector.
Wywołaj metodę .describe() na obiekcie nasdaq_by_sector, przypisz wynik do zmiennej summary i wyświetl go.
To działa, ale result jest w formacie długim i korzysta z pd.MultiIndex(), który poznałeś wcześniej. Przekształć summary do formatu szerokiego, wywołując metodę .unstack().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Inspect NASDAQ data
nasdaq.____()

# Create market_cap_m
nasdaq['market_cap_m'] = ____[____].div(1e6)

# Drop the Market Capitalization column
nasdaq.drop('Market Capitalization', axis=1, inplace=True)

# Group nasdaq by Sector
nasdaq_by_sector = ____.____(____)

# Create summary statistics by sector
summary = ____.____()

# Print the summary
print(summary)

# Unstack 
summary = ____.____()

# Print the summary again
print(summary)

Edytuj i uruchom kod