График временно́й шкалы IPO по всем биржам с помощью countplot()
Чтобы быстро визуализировать количество наблюдений по категориям в наборе данных, удобнее всего воспользоваться функцией countplot() из библиотеки seaborn:
seaborn.countplot(x=None, hue=None, data=None, ...)
Параметр x задаёт имена переменных из аргумента data — DataFrame, который нужно отобразить. Параметр hue выделяет дополнительную категориальную переменную с помощью цвета. Это три из множества необязательных параметров функции; полный список доступен в документации seaborn.
Используем этот инструмент, чтобы сравнить временну́ю шкалу IPO-активности по трём биржам. Библиотеки pandas (как pd), matplotlib.pyplot (как plt) и seaborn (как sns) 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
Инструкции к упражнению
- Отфильтруйте
listings, оставив только IPO, проведённые после 2000 года. - Преобразуйте данные в столбце
'IPO Year'к целочисленному типу. - Постройте
sns.countplot()на основеlistings, используя'IPO Year'в качестве переменнойxи'Exchange'дляhue. - Поверните метки по оси X (
xticks()) на 45 градусов и отобразите результат.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Select IPOs after 2000
listings = listings[____[____] > ____]
# Convert IPO Year to integer
listings['IPO Year'] = ____[____].____(____)
# Create a countplot
sns.countplot(x=____, hue=____, data=____)
# Rotate xticks and show result
plt.xticks(rotation=45)
# Show the plot
plt.show()