Hämta data för de 3 största finansbolagen

Ett pd.MultiIndex()-objekt har mer än ett identifierare per rad. Det gör att du kan hämta data baserat på kriterier för flera bolag samtidigt.

Nu ska vi tillämpa den här tekniken för att hämta aktiekurser för de största bolagen inom finanssektorn. DataReader, date, pandas som pd och matplotlib.pyplot som plt har importerats, liksom listings-DataFramen från föregående övning.

Den här övningen är en del av kursen

Importera och hantera finansiell data i Python

Visa kurs

Övningsinstruktioner

Sätt 'Stock Symbol' som index för listings och tilldela resultatet till listings_ss.
Använd .loc[] för att filtrera rader där bolagets sektor är 'Finance' och extrahera kolumnen 'Market Capitalization'. Använd .nlargest() för att tilldela de 3 största bolagen efter börsvärde till top_3_companies.
Konvertera indexet i resultatet till en lista och tilldela det till top_3_tickers.
Använd date() för att sätta start till den 1 januari 2015.
Använd date() för att sätta end till den 1 april 2020.
Använd DataReader() för att hämta aktiedata för top_3_tickers från 'iex' från start till end och tilldela resultatet till result.
Använd .stack()-metoden för att konvertera DataFrame till långformat genom att flytta tickerna till indexet.
Välj 'close' från data, använd .unstack() och granska den resulterande DataFramen, nu i brett format, med .info().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Set Stock Symbol as the index
listings_ss = listings.____

# Get ticker of 3 largest finance companies
top_3_companies = listings_ss.loc[____].____(n=____)

# Convert index to list
top_3_tickers = top_3_companies.____.____()

# Set start date
start = ____

# Set end date
end = ____

# Import stock data
result = ____

# Apply stack method 
data = ____

# Unstack and inspect result
data['close'].____().____()

Redigera och kör kod