Debiuty giełdowe spółek technologicznych według roku na wszystkich giełdach

Każda spółka w słowniku listings debiutowała na giełdzie w latach 1972–2017. W tym kontekście warto potraktować kolumnę 'IPO Year' z każdego arkusza jako zmienną kategoryczną z określoną kolejnością – nawet jeśli jej dtype to float64.

W tym ćwiczeniu połączysz dane ze wszystkich trzech giełd i zwizualizujesz rozkład lat debiutów spółek z sektora technologicznego. Biblioteki pandas jako pd oraz matplotlib.pyplot jako plt zostały już zaimportowane, a słownik listings z poprzedniego ćwiczenia jest dostępny w twoim środowisku.

To ćwiczenie jest częścią kursu

Importowanie i zarządzanie danymi finansowymi w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Użyj pętli for ze zmienną iterującą exchange, która przyjmuje nazwę każdej giełdy.
- W każdej iteracji dołącz ramkę danych odpowiadającą kluczowi exchange ze słownika listings do all_listings.
Po zakończeniu pętli użyj pd.concat(), aby połączyć trzy ramki danych z all_listings, i przypisz wynik do listing_data.
Przefiltruj listing_data pod kątem spółek z sektora 'Technology' i przypisz wynik do tech_companies.
Przypisz kolumnę 'IPO Year' z tech_companies do ipo_years.
Użyj .dropna(), aby usunąć brakujące wartości, a następnie .astype(), aby przekonwertować dane na typ int.
Zastosuj .value_counts() na ipo_years, posortuj lata w kolejności rosnącej i utwórz wykres słupkowy z tytułem 'Tech IPOs by Year'.
Obróć etykiety osi X (xticks) o 45 stopni i wyświetl wynik.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Create lists
exchanges = ['amex', 'nasdaq', 'nyse']
all_listings = []

# Use for loop to create listing_data
for exchange in exchanges:
    all_listings.____(____[____])
    
# Combine DataFrames
listing_data = pd.____(____)

# Select tech companies
tech_companies = listing_data[____.____ == 'Technology']

# Create ipo_years
ipo_years = ____[____]

# Drop missing values and convert to int
ipo_years = ipo_years.____().____(int)

# Count values, sort ascending by year, and create a bar plot
ipo_years.____().plot(kind=____, ____='Tech IPOs by Year')

# Rotate xticks and show result
plt.xticks(____=____)

# Show the plot
plt.show()

Edytuj i uruchom kod