Alla sammanfattande statistikmått per sektor

Du kan tillämpa de sammanfattande statistikmått du lärde dig i det förra kapitlet på ett groupby-objekt för att få resultatet per kategori. Det gäller även funktionen .describe(), som ger flera insikter på en gång!

Här får du öva på det med NASDAQ-listningarna. pandas har importerats som pd, och data från NASDAQ-börsen finns tillgänglig i din arbetsyta i DataFrame:n nasdaq.

Den här övningen är en del av kursen

Importera och hantera finansiell data i Python

Visa kurs

Övningsinstruktioner

Inspektera nasdaq-data med .info().
Skapa en ny kolumn market_cap_m som innehåller börsvärdet i miljoner USD. Droppa sedan kolumnen 'Market Capitalization' på nästa rad.
Gruppera din nasdaq-data efter 'Sector' och tilldela resultatet till nasdaq_by_sector.
Anropa metoden .describe() på nasdaq_by_sector, tilldela resultatet till summary och skriv ut det.
Det fungerar, men result är i långformat och använder ett pd.MultiIndex() som du sett tidigare. Konvertera summary till bredformat genom att anropa .unstack().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Inspect NASDAQ data
nasdaq.____()

# Create market_cap_m
nasdaq['market_cap_m'] = ____[____].div(1e6)

# Drop the Market Capitalization column
nasdaq.drop('Market Capitalization', axis=1, inplace=True)

# Group nasdaq by Sector
nasdaq_by_sector = ____.____(____)

# Create summary statistics by sector
summary = ____.____()

# Print the summary
print(summary)

# Unstack 
summary = ____.____()

# Print the summary again
print(summary)

Redigera och kör kod