Вычисление нескольких метрик по секторам и году IPO

Функция pointplot() из библиотеки seaborn позволяет сравнивать сводную статистику числовой переменной для различных уровней категориальных переменных:

seaborn.pointplot(x=None, y=None, hue=None, data=None, ...)

В видео вы видели визуализацию рыночной капитализации (числовая переменная) в разрезе того, было ли IPO (категориальная переменная) проведено до 2000 года (первый уровень) или после (второй уровень).

В этом упражнении вы сравните среднюю рыночную капитализацию за каждый год начиная с 2000-го для NYSE и NASDAQ, предварительно исключив выбросы выше 95-го перцентиля. Библиотеки pandas (как pd) и matplotlib.pyplot (как plt) уже импортированы, а DataFrame listings со столбцом 'Exchange' доступен в вашем рабочем пространстве.

Это упражнение является частью курса

Импорт и управление финансовыми данными в Python

Посмотреть курс

Инструкции к упражнению

Импортируйте seaborn как sns.
Отфильтруйте listings, оставив компании с IPO после 2000 года по всем биржам кроме 'amex'.
Преобразуйте данные в столбце 'IPO Year' к целочисленному типу.
Создайте столбец market_cap_m, чтобы выразить рыночную капитализацию в миллионах долларов США.
Отфильтруйте market_cap_m, исключив значения выше 95-го перцентиля.
Постройте pointplot для listings, используя столбец 'IPO Year' в качестве x, 'market_cap_m' — в качестве y, а 'Exchange' — в качестве hue. Отобразите результат, повернув подписи по оси xticks на 45 градусов.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import the seaborn library as sns
____

# Exclude IPOs before 2000 and from the 'amex'
listings = ____[(____['IPO Year'] > ____) & (listings.Exchange != ____)]

# Convert IPO Year to integer
listings['IPO Year'] = ____['IPO Year'].____(____)

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

# Exclude outliers
listings = listings[listings.____ < listings.____.____(.95)]

# Create the pointplot
sns.pointplot(x=____, y=____, hue=____, data=____)

# Rotate xticks
plt.____(____=____)

# Show the plot
plt.show()

Редактировать и запускать код