เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

คำนวณค่าสถิติหลายรายการตาม Sector และ Exchange

ฟังก์ชัน .agg() ช่วยให้รวมข้อมูลได้หลากหลายวิธียิ่งขึ้น การส่งรายชื่อเมธอดทางสถิติในรูปแบบ list จะคำนวณค่าสรุปได้หลายค่าพร้อมกันในครั้งเดียว นอกจากนี้ยังสามารถกำหนดชื่อใหม่ให้กับคอลัมน์ที่รวมแล้วได้ด้วยเมธอด rename ซึ่งรับ dictionary เป็น argument โดย key คือชื่อของค่าสถิติที่คำนวณ และ value คือชื่อใหม่ที่ต้องการ

ในแบบฝึกหัดนี้ จะคำนวณค่าเฉลี่ย มัธยฐาน และส่วนเบี่ยงเบนมาตรฐานของ Market Capitalization ในหน่วยล้าน USD ได้มีการนำเข้า pandas เป็น pd และ matplotlib.pyplot เป็น plt ไว้แล้ว และ DataFrame ชื่อ listings ที่มีคอลัมน์อ้างอิง 'Exchange' พร้อมใช้งานใน workspace ของคุณ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การนำเข้าและจัดการข้อมูลทางการเงินใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้การ broadcasting และ .div() เพื่อสร้างคอลัมน์ใหม่ชื่อ 'market_cap_m' ที่เก็บข้อมูล Market Capitalization ในหน่วยล้าน USD
  • จัดกลุ่มข้อมูลตาม 'Sector' และ 'Exchange' พร้อมกัน แล้วกำหนดผลลัพธ์ให้กับตัวแปร by_sector_exchange
  • กำหนดคอลัมน์ market_cap_m ของ by_sector_exchange ให้กับตัวแปร bse_mcm
  • ใช้ .agg() เพื่อคำนวณค่าเฉลี่ย มัธยฐาน และส่วนเบี่ยงเบนมาตรฐานของ market_cap_m จากนั้นเรียกเมธอด rename พร้อม dictionary argument สำหรับพารามิเตอร์ columns โดยเก็บผลลัพธ์เป็น 'Average', 'Median' และ 'Standard Deviation' ตามลำดับ แล้วกำหนดให้กับตัวแปร summary
  • แสดงผลลัพธ์ใน console

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create market_cap_m
listings['market_cap_m'] = ____[____].div(1e6)

# Group listing by both Sector and Exchange
by_sector_exchange = ____.____(['Sector', 'Exchange'])

# Subset market_cap_m of by_sector_exchange
bse_mcm = ____[____]

# Calculate mean, median, and std in summary
summary = ____.____(['____', '____', '____']).rename(columns={'mean': ____, 'median': ____, 'std':____})

# Print the summary
print(summary)
แก้ไขและรันโค้ด