Visualisera IPO-tidslinje för alla börser med countplot()

För att skapa en enkel visualisering av antalet observationer per kategori i ett dataset är seaborn-funktionen countplot() oftast det bästa valet:

seaborn.countplot(x=None, hue=None, data=None, ...)

Parametern x innehåller namnen på variablerna i argumentet data, som är den DataFrame som ska visualiseras. hue identifierar en ytterligare kategorisk variabel med hjälp av färg. Det här är tre valfria parametrar av många som funktionen accepterar – för en fullständig lista, se seaborns dokumentation.

Använd det här verktyget för att jämföra IPO-aktivitetens tidslinje över de tre börserna. pandas som pd, matplotlib.pyplot som plt och seaborn som sns har redan importerats, och DataFrame:n listings med referenskolumnen 'Exchange' finns tillgänglig i din arbetsmiljö.

Den här övningen är en del av kursen

Importera och hantera finansiell data i Python

Visa kurs

Övningsinstruktioner

Filtrera listings så att bara IPO-år efter år 2000 ingår.
Konvertera datan i kolumnen 'IPO Year' till heltal.
Skapa ett sns.countplot() av listings med 'IPO Year' som x-variabel och 'Exchange' för hue.
Rotera xticks() 45 grader och visa resultatet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()

Redigera och kör kod