Medianbörsvärde per sektor
Aggregerade data är data som kombinerats från flera mätningar. Som du såg i videon är funktionen .groupby() användbar för att aggregera data efter en specifik kategori.
Du har tidigare sett att börsvärdesdata innehåller stora extremvärden. För att få en mer robust sammanfattning av marknadsvärdet för företag inom varje sektor ska du beräkna medianbörsvärdet per sektor. pandas har importerats som pd och matplotlib.pyplot som plt, och NYSE:s börsnoteringslista finns tillgänglig i din arbetsyta som DataFrame:n nyse.
Den här övningen är en del av kursen
Importera och hantera finansiell data i Python
Övningsinstruktioner
- Inspektera
nysemed.info(). - Använd broadcasting och
.div()för att skapa en ny kolumn,market_cap_m, som innehåller börsvärdet i miljoner USD. - Ta bort kolumnen
'Market Capitalization'med.drop(). - Använd metoden
.groupby()pånysemed'Sector'som grupperingskolumn. - Beräkna medianen för kolumnen
market_cap_moch spara resultatet sommedian_mcap_by_sector. - Visualisera resultatet som ett horisontellt stapeldiagram med titeln
'NYSE - Median Market Capitalization'. Användplt.xlabel()med'USD mn'för att lägga till en etikett. - Visa resultatet.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Inspect NYSE data
nyse.____()
# Create market_cap_m
nyse['market_cap_m'] = ____[____].div(1e6)
# Drop market cap column
nyse = ____.____('Market Capitalization', axis=1)
# Group nyse by sector
mcap_by_sector = ____.____(____)
# Calculate median
median_mcap_by_sector = mcap_by_sector.____.____()
# Plot and show as horizontal bar chart
median_mcap_by_sector.plot(____=____, title='NYSE - Median Market Capitalization')
# Add the label
plt.____('USD mn')
# Show the plot
plt.show()