Медианная рыночная капитализация по году IPO

В последнем уроке предыдущей главы вы построили временную шкалу количества IPO в год для технологических компаний.

Теперь проанализируем, как менялась рыночная капитализация для разных годов IPO. Вы можете объединить данные со всех трёх бирж, чтобы получить более полную картину.

pandas импортирован как pd, matplotlib.pyplot — как plt. В вашем рабочем пространстве доступен DataFrame listings из предыдущих упражнений, дополненный столбцом 'exchange', который содержит название биржи для каждой из перечисленных компаний.

Это упражнение является частью курса

Импорт и управление финансовыми данными в Python

Посмотреть курс

Инструкции к упражнению

Изучите и отобразите listings с помощью .info() и .head().
С помощью broadcasting создайте новый столбец market_cap_m в listings, содержащий рыночную капитализацию в миллионах долларов США.
Выберите все компании с 'IPO Year' после 1985 года.
Удалите все пропущенные значения в столбце 'IPO Year' и преобразуйте оставшиеся значения к типу dtype integer.
Сгруппируйте listings по 'IPO Year', выберите столбец market_cap_m, вычислите median, отсортируйте с помощью .sort_index() и присвойте результат переменной ipo_by_year.
Постройте и отобразите результаты в виде столбчатой диаграммы.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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()

Редактировать и запускать код