IPO yılına göre medyan piyasa değeri

Önceki bölümün son dersinde, teknoloji şirketleri için yıllara göre IPO sayısının zaman çizelgesini oluşturmuştun.

Şimdi farklı IPO yılları için piyasa değerinin nasıl değiştiğini analiz edelim. Üç borsadaki verileri birleştirerek daha kapsamlı bir görünüm elde edebilirsin.

pandas pd kısaltmasıyla ve matplotlib.pyplot plt kısaltmasıyla içe aktarılmış durumda; ayrıca önceki egzersizlerden gelen ve her kote şirket için borsayı içeren ek bir referans sütunu 'exchange' bulunan listings DataFrame'i çalışma alanında hazır.

Bu egzersiz, kursun bir parçasıdır

Python ile Finansal Verileri İçe Aktarma ve Yönetme

Kursa Göz Atın

Egzersiz talimatları

.info() ve .head() kullanarak listings'i incele ve görüntüle.
Yayılım (broadcasting) kullanarak, USD cinsinden milyonu ifade eden piyasa değerini içeren yeni bir market_cap_m sütununu listings için oluştur.
'IPO Year' değeri 1985'ten sonra olan tüm şirketleri seç.
'IPO Year' sütunundaki tüm eksik değerleri düşür ve kalan değerleri dtype tamsayıya dönüştür.
listings'i 'IPO Year'a göre grupla, market_cap_m sütununu seç ve median hesapla, .sort_index() ile sırala ve sonucu ipo_by_year değişkenine ata.
Sonuçları çubuk grafik olarak çiz ve göster.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Inspect listings
listings.____()

# Show listings head
print(listings.____())

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

# Select companies with IPO after 1985
listings = listings[____[____] > ____]

# Drop missing values and convert to integers
listings['IPO Year'] = ____[____].dropna().____(int)

# Calculate the median market cap by IPO Year and sort the index
ipo_by_year = listings.____(____).____.median().____()

# Plot results as a bar chart
ipo_by_year.plot(kind='bar')

# Show the plot
plt.show()

Kodu Düzenle ve Çalıştır