Använda merge_asof() för att studera aktier

Du har ett flöde med börskurser som du registrerar. Du försöker spåra priset var femte minut, men på grund av viss nätverksfördröjning registreras priserna ungefär var femte minut. Du hämtar dina prisloggar för tre banker: JP Morgan (JPM), Wells Fargo (WFC) och Bank of America (BAC). Du vill se hur prisförändringarna för de två andra bankerna förhåller sig till JP Morgan. Därför behöver du slå ihop de tre loggarna till en tabell. Sedan använder du metoden .diff() i pandas för att beräkna prisförändringen över tid. Slutligen ritar du upp prisförändringarna så att du kan granska din analys.

De tre loggfilerna har laddats in åt dig som tabellerna jpm, wells och bac.

Den här övningen är en del av kursen

Joining Data with pandas

Visa kurs

Övningsinstruktioner

Använd merge_asof() för att slå ihop jpm (vänster tabell) och wells på kolumnen date_time, där rader med de närmaste tiderna matchas, och med suffixes=('', '_wells'). Spara resultatet i jpm_wells.
Använd merge_asof() för att slå ihop jpm_wells (vänster tabell) och bac på kolumnen date_time, där rader med de närmaste tiderna matchas, och med suffixes=('_jpm', '_bac'). Spara resultatet i jpm_wells_bac.
Rita upp stängningspriserna close_jpm, close_wells och close_bac från price_diffs.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Use merge_asof() to merge jpm and wells
jpm_wells = ____


# Use merge_asof() to merge jpm_wells and bac
jpm_wells_bac = ____


# Compute price diff
price_diffs = jpm_wells_bac.diff()

# Plot the price diff of the close of jpm, wells and bac only
price_diffs.plot(y=[____, ____, ____])
plt.show()

Redigera och kör kod