Carregar todos os dados de listagem e iterar sobre pares chave-valor de dicionário

Você já sabe que um objeto pd.DataFrame() é uma estrutura de dados rotulada bidimensional. Como você viu no vídeo, a função pd.concat() é usada para concatenar, ou combinar verticalmente, dois ou mais DataFrames. Você também pode usar broadcasting para adicionar novas colunas aos DataFrames.

Neste exercício, você vai praticar o uso dessa nova função do pandas com os dados das bolsas NYSE e NASDAQ. pandas já foi importado como pd.

Este exercício faz parte do curso

Importing and Managing Financial Data in Python

Ver curso

Instruções do exercício

Importe os dados em listings.xlsx das planilhas 'nyse' e 'nasdaq' para as variáveis nyse e nasdaq. Leia 'n/a' para representar valores ausentes.
Inspecione o conteúdo de ambos os DataFrames com .info() para descobrir quantas empresas são relatadas.
Usando broadcasting, crie uma nova coluna de referência chamada 'Exchange' com os valores 'NYSE' ou 'NASDAQ' para cada DataFrame.
Use pd.concat() para concatenar os DataFrames nyse e nasdaq, nessa ordem, e atribua a combined_listings.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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.____([____, ____])

Editar e executar o código