1. Nauka
    2. /
  2. Kursy
    3. /
  3. Importowanie i zarządzanie danymi finansowymi w Pythonie
Connected

ćwiczenie

Tempo wzrostu w Brazylii, Chinach i USA

Czas rozszerzyć analizę – zamiast poziomów międzynarodowego dochodu per capita przyjrzymy się teraz jego dynamice wzrostu. Plik 'income_growth.csv' zawiera roczne stopy wzrostu dochodu per capita z ostatnich 40 lat dla Brazylii, Chin i USA.

Na jednym wykresie przedstawisz rozkłady historycznych stóp wzrostu dla każdego z tych krajów, korzystając z wykresu KDE. Ułatwi to wzrokowe porównanie zakresów wzrostu, jakich doświadczyły te rynki w omawianym okresie.

Od tego miejsca w kursie zawsze sprawdzaj każdy obiekt DataFrame za pomocą .info() w konsoli – nawet jeśli instrukcje tego wprost nie wymagają. Biblioteki pandas jako pd, seaborn jako sns i matplotlib.pyplot jako plt zostały już zaimportowane.

Instrukcje

100 XP
  • Wczytaj plik 'income_growth.csv' do zmiennej growth. Sparsuj kolumnę 'DATE' jako typ datetime64 i ustaw ją jako indeks.
  • Sprawdź statystyki podsumowujące dla tych trzech stóp wzrostu, używając odpowiedniej funkcji.
  • Iteruj po atrybucie growth.columns w pętli for, aby uzyskać dostęp do etykiet kolumn. Większość kodu jest już przygotowana.
    • W każdej iteracji funkcji distplot() przekaż zmienną iteracyjną column, aby wybrać odpowiednią kolumnę, ustaw argument hist na False, a label na column.
    • Wyświetl wynik.