Użycie .melt() do porównania wyników akcji i obligacji

Powszechnie wiadomo, że ceny obligacji zmieniają się odwrotnie do cen akcji. W tym ostatnim ćwiczeniu powtórzysz wiele zagadnień z tego rozdziału, żeby to potwierdzić. Otrzymujesz tabelę przedstawiającą procentową zmianę ceny 10-letnich obligacji skarbowych USA. Jest ona w formacie szerokim, gdzie każdy rok ma osobną kolumnę. Aby przekształcić tę tabelę, skorzystasz z metody .melt().

Następnie użyjesz metody .query(), żeby odfiltrować zbędne dane. Połączysz tę tabelę z tabelą procentowych zmian indeksu giełdowego Dow Jones Industrial. Na koniec zwizualizujesz dane.

Tabele ten_yr i dji są już wczytane.

To ćwiczenie jest częścią kursu

Łączenie danych z pandas

Zobacz kurs

Instrukcje do ćwiczenia

Użyj .melt() na ten_yr, żeby odpivotować wszystkie kolumny oprócz metric, ustawiając var_name='date' i value_name='close'. Wynik zapisz do bond_perc.
Używając metody .query(), wybierz tylko te wiersze, w których metric jest równe close, i zapisz wynik do bond_perc_close.
Użyj merge_ordered(), żeby połączyć dji (tabela lewa) i bond_perc_close po kolumnie date z użyciem złączenia wewnętrznego (inner join), ustawiając suffixes na ('_dow', '_bond'). Wynik zapisz do dow_bond.
Korzystając z dow_bond, utwórz wykres pokazujący wyłącznie wartości dla Dow i obligacji.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Use melt on ten_yr, unpivot everything besides the metric column
bond_perc = ____

# Use query on bond_perc to select only the rows where metric=close
bond_perc_close = ____

# Merge (ordered) dji and bond_perc_close on date with an inner join
dow_bond = ____


# Plot only the close_dow and close_bond columns
dow_bond.plot(____, x='date', rot=90)
plt.show()

Edytuj i uruchom kod