Kom igångKom igång gratis

Beräkna flera nyckeltal per sektor och IPO-år

Funktionen pointplot() i seaborn underlättar jämförelsen av sammanfattande statistik för en numerisk variabel uppdelad på olika nivåer av kategoriska variabler:

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

I videon såg du en visualisering av börsvärdet (den numeriska variabeln) uppdelat på om börsnoteringen (den kategoriska variabeln) skedde före (första nivån) eller efter (andra nivån) år 2000.

I den här övningen ska du jämföra det genomsnittliga börsvärdet för varje år sedan 2000 för NYSE och NASDAQ, efter att ha exkluderat extremvärden över den 95:e percentilen. pandas som pd och matplotlib.pyplot som plt har importerats, och DataFrame listings med referenskolumnen 'Exchange' finns tillgänglig i din arbetsyta.

Den här övningen är en del av kursen

Importera och hantera finansiell data i Python

Visa kurs

Övningsinstruktioner

  • Importera seaborn som sns.
  • Filtrera listings så att bara företag med börsnoteringar efter 2000 från alla börser utom 'amex' ingår.
  • Konvertera datan i kolumnen 'IPO Year' till heltal.
  • Skapa kolumnen market_cap_m för att uttrycka börsvärdet i miljoner USD.
  • Filtrera market_cap_m så att värden över den 95:e percentilen exkluderas.
  • Skapa ett pointplot för listings med kolumnen 'IPO Year' för x, 'market_cap_m' för y och 'Exchange' för hue. Visa resultatet efter att ha roterat xticks 45 grader.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod