Visualisera månadsvis medelvärde, median och standardavvikelse för S&P500-avkastningar

Du har också lärt dig hur man beräknar flera aggregerad statistik från uppsamplade data.

Låt oss använda det här för att undersöka hur det månadsvis beräknade medelvärdet, medianen och standardavvikelsen för dagliga S&P500-avkastningar har utvecklats under de senaste 10 åren.

Den här övningen är en del av kursen

Manipulera tidsseriedata i Python

Visa kurs

Övningsinstruktioner

Som vanligt har vi importerat pandas som pd och matplotlib.pyplot som plt åt dig.

Använd pd.read_csv() för att importera 'sp500.csv', ange ett DateTimeIndex baserat på kolumnen 'date' med hjälp av parse_dates och index_col, tilldela resultatet till sp500 och inspektera det med .info().
Konvertera sp500 till en pd.Series() med .squeeze() och tillämpa .pct_change() för att beräkna daily_returns.
Använd .resample() på daily_returns med månadsslut-frekvens (alias: 'M') och tillämpa .agg() för att beräkna 'mean', 'median' och 'std'. Tilldela resultatet till stats.
Plotta stats med .plot().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import data here
sp500 = ____

# Calculate daily returns here
daily_returns = ____

# Resample and calculate statistics
stats = ____

# Plot stats here

Redigera och kör kod