Mediana da capitalização de mercado por ano do IPO

Na última lição do capítulo anterior, você criou uma linha do tempo com o número de IPOs por ano para empresas de tecnologia.

Agora, vamos analisar como a capitalização de mercado evoluiu para diferentes anos de IPO. Você pode combinar dados das três bolsas para ter uma visão mais abrangente.

pandas como pd e matplotlib.pyplot como plt já foram importados, e o DataFrame listings dos exercícios anteriores — que agora inclui uma coluna de referência adicional 'exchange' com a bolsa de cada empresa listada — está disponível no seu workspace.

Este exercício faz parte do curso

Importing and Managing Financial Data in Python

Ver curso

Instruções do exercício

Inspecione e exiba listings usando .info() e .head().
Usando broadcasting, crie uma nova coluna market_cap_m em listings que contenha a capitalização de mercado em milhões de USD.
Selecione todas as empresas com 'IPO Year' após 1985.
Remova todos os valores ausentes na coluna 'IPO Year' e converta os valores restantes para o tipo inteiro (dtype).
Agrupe listings por 'IPO Year', selecione a coluna market_cap_m e calcule a median, ordene com .sort_index() e atribua o resultado a ipo_by_year.
Plote e exiba os resultados como um gráfico de barras.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Inspect listings
listings.____()

# Show listings head
print(listings.____())

# Create market_cap_m
listings['market_cap_m'] = ____[____].div(1e6)

# Select companies with IPO after 1985
listings = listings[____[____] > ____]

# Drop missing values and convert to integers
listings['IPO Year'] = ____[____].dropna().____(int)

# Calculate the median market cap by IPO Year and sort the index
ipo_by_year = listings.____(____).____.median().____()

# Plot results as a bar chart
ipo_by_year.plot(kind='bar')

# Show the plot
plt.show()

Editar e executar o código