Läs in alla listningsdata och iterera över nyckel-värde-par i en ordlista

Du vet redan att ett pd.DataFrame()-objekt är en tvådimensionell datastruktur med etiketter. Som du såg i videon används funktionen pd.concat() för att konkatenera, eller vertikalt kombinera, två eller flera DataFrames. Du kan också använda broadcasting för att lägga till nya kolumner i DataFrames.

I den här övningen får du öva på att använda den här nya pandas-funktionen med data från börserna NYSE och NASDAQ. pandas har importerats som pd.

Den här övningen är en del av kursen

Importera och hantera finansiell data i Python

Visa kurs

Övningsinstruktioner

Importera data från listings.xlsx, från flikarna 'nyse' och 'nasdaq', till variablerna nyse och nasdaq. Läs 'n/a' som saknade värden.
Granska innehållet i båda DataFrames med .info() för att ta reda på hur många företag som finns med.
Använd broadcasting för att skapa en ny referenskolumn med namnet 'Exchange' som innehåller värdena 'NYSE' respektive 'NASDAQ' för respektive DataFrame.
Använd pd.concat() för att konkatenera DataFrames nyse och nasdaq, i den ordningen, och tilldela resultatet till combined_listings.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import the NYSE and NASDAQ listings
nyse = pd.____('listings.xlsx', ____='nyse', na_values='n/a')
nasdaq = pd.____('listings.xlsx', ____='nasdaq', na_values='n/a')

# Inspect nyse and nasdaq
nyse.____()
nasdaq.____()

# Add Exchange reference columns
nyse['____'] = 'NYSE'
nasdaq['____'] = 'NASDAQ'

# Concatenate DataFrames  
combined_listings = pd.____([____, ____])

Redigera och kör kod