Znajdź ticker największej spółki z sektora usług konsumenckich

Zamiast filtrować dane za pomocą wyrażenia warunkowego, możesz użyć .loc[row_selector, column_selector], aby wybrać konkretne wiersze i kolumny. Do ustawienia wybranej kolumny z unikalnymi wartościami jako indeksu DataFrame służy .set_index(), natomiast .idxmax() zwraca indeks wartości maksymalnej.

W tym ćwiczeniu zastosujesz te metody, aby znaleźć najcenniejszą spółkę z sektora usług konsumenckich notowaną na którymkolwiek z trzech giełd, a następnie użyjesz jej tickera do wykreślenia trendu ceny akcji. Zaimportowano już DataReader, date, pandas jako pd oraz matplotlib.pyplot jako plt, a także DataFrame listings z poprzedniego ćwiczenia.

To ćwiczenie jest częścią kursu

Importowanie i zarządzanie danymi finansowymi w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Użyj .set_index(), aby ustawić kolumnę 'Stock Symbol' jako indeks dla listings i przypisz wynik do listings_ss.
Użyj .loc[], aby przefiltrować wiersze, w których 'Sector' jest równy 'Consumer Services', wybierz kolumnę 'Market Capitalization' i zastosuj .idxmax(), przypisując ticker największej spółki z sektora Consumer Services do zmiennej ticker.
Korzystając z funkcji date(), ustaw zmienną start na 1 stycznia 2015 roku.
Użyj DataReader(), aby pobrać dane giełdowe dla ticker z 'yahoo' począwszy od start i zapisz je w zmiennej data.
Wykreśl wartości 'close' i 'volume' z data, przekazując argumenty secondary_y='volume' oraz title=ticker.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Set the index of listings to Stock Symbol
listings_ss = listings.____(____)

# Get ticker of the largest Consumer Services company
ticker = listings_ss.____[____, ____].____()

# Set the start date
start = ____

# Import the stock data
data = ____

# Plot close and volume
data[['close', 'volume']].plot(secondary_y=____, title=____)

# Show the plot
plt.show()

Edytuj i uruchom kod