I det här kapitlet lär du dig att skapa och hantera datetime-objekt i Python för att identifiera viktiga finansiella händelser. Du lär dig också att lagra och effektivt slå upp information med hjälp av Pythons ordlistor.

Representera tid med datetime-objekt

Skapa datetime-objekt för datum

Datetime-objekt från strängar

Konvertera format med datetime-objekt

Arbeta med datetime-objekt

Åtkomst till datetime-attribut

Jämföra datetime-objekt

Skapa relativa datetimes

Ordlistor

Skapa och komma åt ordböcker

Säker åtkomst och radering

Datum och tid samt ordlistor

Genom praktiska övningar lär du dig att använda boolesk logik för att avgöra sanningsvärden samt att använda jämförelse- och likhetsoperatorer för att styra körningen i if-satser och loopar.

Jämförelseoperatorer

Likhet mellan typer

Tilldelning och jämlikhet

Jämföra utdelningar

Booleska operatorer

Beslut med booleska operationer

Tilldela variabler med booleska operatorer

Negation med booleska operatorer

If-satser

Kontrollsatser

Jämföra försäljning och inköp

Förgreningar med elif och else

For- och while-slingor

Avbryta en for-loop

Styra slingans körning

Kontrollflöde och logik

Lär dig skapa och komma åt DataFrames med pandas utifrån finansiell data från andra datastrukturer, till exempel ordlistor, listor och CSV-filer. Du fördjupar sedan din analys genom att aggregera data över rader och kolumner, beräkna medelvärden och utöka din data med hjälp av funktioner.

Skapa en DataFrame

Skapa DataFrames

Läsa in marknadshistorik

Åtkomst till data

Åtkomst med namn

Åtkomst med index

Aggregera och sammanfatta

Genomsnittspriser

Medianpriser

Utöka och manipulera data

Skapa nya kolumner

Ta bort kolumner från en DataFrame

Manipulera data med Pandas

Pandas DataFrame

I det här sista kapitlet får du arbeta med verklig NASDAQ-aktiedata. Du lär dig tolka ny data, skapa masker för att filtrera data och visualisera dina resultat med diagram.

Utforska data med head, tail och describe

Varför använda describe

Titta på topp och botten

Beskriva data

Filtrera data

Varför filtrera data

Filtrera aktiedata.

Välja data från ett datumintervall

Visualisera data

Identifiera diagramtyp

Skapa ett linjediagram

Välj typ av diagram

Sammanfattning

Arbeta med NASDAQ-aktiedata

Alphabet stock

Är du finansanalytiker, affärsanalytiker eller vill du enkelt hålla koll på din aktieportfölj? Då kan Python hjälpa dig att automatisera finansiella uppgifter som att beräkna risk, följa marknadens hälsa och visualisera aktiekursutveckling – och spara både tid och pengar.

I den här kursen lär du dig använda Pythons datastrukturer, kontrollflödessatser och DataFrames för att hantera finansiell data. Du arbetar sedan med pandas och data från Federal Reserve Bank för att utforska nationella ekonomiska trender – en viktig del av förståelsen för investeringsstrategier. Du beräknar också risk utifrån aktiekursdata och visar resultaten i lättlästa diagram. När kursen är slut har du de verktyg du behöver för att arbeta med finansiell data i Python.

Introduction to Python for Finance

Utveckla dina Python-kunskaper för finans genom att lära dig datetime, if-satser, DataFrames m.m.

Intermediate Python för finans

Bygg vidare på dina Python-kunskaper för finans genom att lära dig använda datetime, if-satser, DataFrames och mer.

Finansiella grunder i Python

Finansiella grunder med CFI

	close	volume	open	high	low
date
2019-08-02	1196.32	1745450	1203.00	1209.500	1190.00
2019-08-01	1211.78	1771271	1217.63	1236.298	1207.00
2019-07-31	1218.20	1997999	1224.87	1234.910	1208.18
2019-07-30	1228.00	1430775	1227.00	1236.910	1225.32
2019-07-29	1241.84	2069127	1242.50	1248.995	1230.20

Filtrera aktiedata.

Intermediate Python för finans

Interaktiv övning med praktiskt arbete