Företag per sektor på alla börser

En kategorisk variabel är en variabel som antar ett av ett begränsat antal värden baserat på någon kvalitativ egenskap. En frekvensfördelning är en representation av hur många gånger en kategorisk variabel förekommer.

Tänk tillbaka på börsdata från de tidigare kapitlen. Funktionen .mean() är inte särskilt användbar för att förstå frekvensen av 'Sector'-värden som 'Technology' och 'Finance', medan .value_counts() och .nunique() däremot är det.

I den här övningen ska du jämföra fördelningen av noteringar på AMEX, NASDAQ och NYSE per sektor. pandas som pd och matplotlib.pyplot som plt har importerats, och noteringsinformationen från tidigare övningar har laddats in i en ordbok listings där nycklarna är 'amex', 'nasdaq' och 'nyse'.

Den här övningen är en del av kursen

Importera och hantera finansiell data i Python

Visa kurs

Övningsinstruktioner

Skapa en lista exchanges som innehåller de exakta strängarna för börsernas namn i den ordning som anges ovan.
Använd en for-loop för att iterera över exchanges med iteratorvariabeln exchange, som innehåller namnet på varje börs. Gör följande i varje iteration:
- Tillämpa .value_counts() på 'Sector' och tilldela resultatet till sectors.
- Sortera sectors i fallande ordning och visa dem i ett stapeldiagram.
- Visa resultatet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create the list exchanges
exchanges = [____, ____, ____]

# Iterate over exchanges then plot and show result
for ____ in exchanges:
    sectors = listings[____].____.____()
    # Sort in descending order and plot
    sectors.sort_values(____=____).plot(____=____)
    # Show the plot
    plt.show()

Redigera och kör kod