Wczytaj wszystkie dane giełdowe i iteruj po parach klucz-wartość słownika
Wiesz już, że obiekt pd.DataFrame() to dwuwymiarowa, opisana etykietami struktura danych. Jak pokazano w filmie, funkcja pd.concat() służy do łączenia – czyli pionowego scalania – dwóch lub więcej DataFrame'ów. Możesz też korzystać z broadcastingu, aby dodawać nowe kolumny do DataFrame'ów.
W tym ćwiczeniu przećwiczysz użycie tej funkcji biblioteki pandas na danych z giełd NYSE i NASDAQ. Biblioteka pandas została zaimportowana jako pd.
To ćwiczenie jest częścią kursu
Importowanie i zarządzanie danymi finansowymi w Pythonie
Instrukcje do ćwiczenia
- Zaimportuj dane z pliku
listings.xlsxz arkuszy'nyse'i'nasdaq'do zmiennychnyseinasdaq. Wartość'n/a'powinna być traktowana jako brak danych. - Sprawdź zawartość obu DataFrame'ów za pomocą
.info(), aby dowiedzieć się, ile spółek zostało ujętych w danych. - Korzystając z broadcastingu, utwórz nową kolumnę referencyjną o nazwie
'Exchange', która będzie przyjmować wartość'NYSE'lub'NASDAQ'dla odpowiedniego DataFrame. - Użyj funkcji
pd.concat(), aby połączyć DataFrame'ynyseinasdaq(w tej kolejności), i przypisz wynik do zmiennejcombined_listings.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import the NYSE and NASDAQ listings
nyse = pd.____('listings.xlsx', ____='nyse', na_values='n/a')
nasdaq = pd.____('listings.xlsx', ____='nasdaq', na_values='n/a')
# Inspect nyse and nasdaq
nyse.____()
nasdaq.____()
# Add Exchange reference columns
nyse['____'] = 'NYSE'
nasdaq['____'] = 'NASDAQ'
# Concatenate DataFrames
combined_listings = pd.____([____, ____])