Wykres osi czasu IPO dla wszystkich giełd przy użyciu countplot()
Do stworzenia prostej wizualizacji liczby obserwacji w poszczególnych kategoriach zbioru danych świetnie nadaje się funkcja countplot() z biblioteki seaborn:
seaborn.countplot(x=None, hue=None, data=None, ...)
Parametr x przyjmuje nazwy zmiennych z argumentu data, czyli DataFrame, który ma zostać zwizualizowany. Parametr hue pozwala wyróżnić kolorami dodatkową zmienną kategoryczną. To tylko trzy z wielu parametrów obsługiwanych przez tę funkcję – pełną listę znajdziesz w dokumentacji biblioteki seaborn.
Wykorzystaj to narzędzie, aby porównać harmonogram aktywności IPO na trzech giełdach. Biblioteki pandas jako pd, matplotlib.pyplot jako plt oraz seaborn jako sns zostały już zaimportowane, a DataFrame listings z kolumną referencyjną 'Exchange' jest dostępny w twoim środowisku roboczym.
To ćwiczenie jest częścią kursu
Importowanie i zarządzanie danymi finansowymi w Pythonie
Instrukcje do ćwiczenia
- Przefiltruj
listings, aby uwzględnić tylko lata IPO po roku 2000. - Przekonwertuj dane w kolumnie
'IPO Year'na liczby całkowite. - Stwórz wykres
sns.countplot()na podstawielistings, używając'IPO Year'jako zmiennejxi'Exchange'jako parametruhue. - Obróć etykiety
xticks()o 45 stopni i wyświetl wynik.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Select IPOs after 2000
listings = listings[____[____] > ____]
# Convert IPO Year to integer
listings['IPO Year'] = ____[____].____(____)
# Create a countplot
sns.countplot(x=____, hue=____, data=____)
# Rotate xticks and show result
plt.xticks(rotation=45)
# Show the plot
plt.show()