Använda .melt() för att jämföra aktier och obligationer

Det är allmänt känt att obligationspriser rör sig omvänt mot aktiepriser. I den här sista övningen går du igenom flera av kapitlets teman för att bekräfta detta. Du har fått en tabell med den procentuella förändringen i priset på den amerikanska 10-åriga statsobligationen. Tabellen är i ett brett format där varje år har en egen kolumn. Du behöver använda metoden .melt() för att forma om tabellen.

Dessutom använder du metoden .query() för att filtrera bort onödig data. Du slår sedan ihop den här tabellen med en tabell över den procentuella prisförändringen för aktieindexet Dow Jones Industrial. Avslutningsvis visualiserar du datan.

Tabellerna ten_yr och dji har redan laddats in åt dig.

Den här övningen är en del av kursen

Joining Data with pandas

Visa kurs

Övningsinstruktioner

Använd .melt() på ten_yr för att pivotера om alla kolumner utom metric, med var_name='date' och value_name='close'. Spara resultatet i bond_perc.
Använd metoden .query() för att välja enbart de rader där metric är lika med close, och spara resultatet i bond_perc_close.
Använd merge_ordered() för att slå ihop dji (vänster tabell) och bond_perc_close på date med en inner join, och sätt suffixes till ('_dow', '_bond'). Spara resultatet i dow_bond.
Använd dow_bond för att plotta enbart Dow- och obligationsvärdena.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Use melt on ten_yr, unpivot everything besides the metric column
bond_perc = ____

# Use query on bond_perc to select only the rows where metric=close
bond_perc_close = ____

# Merge (ordered) dji and bond_perc_close on date with an inner join
dow_bond = ____


# Plot only the close_dow and close_bond columns
dow_bond.plot(____, x='date', rot=90)
plt.show()

Redigera och kör kod