Использование .melt() для сравнения акций и облигаций

Общеизвестно, что цены на облигации и акции изменяются в противоположных направлениях. В этом финальном упражнении вы применёте многие из тем этой главы, чтобы проверить данную закономерность. Вам предоставлена таблица процентного изменения цены 10-летних государственных облигаций США в широком формате, где для каждого года выделен отдельный столбец. Чтобы преобразовать эту таблицу, вам потребуется метод .melt().

Также вы воспользуетесь методом .query() для фильтрации ненужных данных. Затем объедините эту таблицу с таблицей процентного изменения цены индекса Dow Jones Industrial. В завершение вы построите график.

Таблицы ten_yr и dji уже загружены.

Это упражнение является частью курса

Объединение данных с помощью pandas

Посмотреть курс

Инструкции к упражнению

Примените .melt() к ten_yr, чтобы «распаковать» все столбцы, кроме metric, указав var_name='date' и value_name='close'. Сохраните результат в переменную bond_perc.
С помощью метода .query() выберите только те строки, где metric равно close, и сохраните результат в bond_perc_close.
Используйте merge_ordered(), чтобы объединить dji (левая таблица) и bond_perc_close по столбцу date с внутренним соединением, задав suffixes равным ('_dow', '_bond'). Сохраните результат в dow_bond.
На основе dow_bond постройте график, отображающий только значения Dow и облигаций.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Use melt on ten_yr, unpivot everything besides the metric column
bond_perc = ____

# Use query on bond_perc to select only the rows where metric=close
bond_perc_close = ____

# Merge (ordered) dji and bond_perc_close on date with an inner join
dow_bond = ____


# Plot only the close_dow and close_bond columns
dow_bond.plot(____, x='date', rot=90)
plt.show()

Редактировать и запускать код