ПочатиПочніть безкоштовно

Медіанна ринкова капіталізація за роком IPO

У попередньому розділі в останньому уроці ви побудували часову шкалу кількості IPO за роками для технологічних компаній.

Тепер проаналізуймо, як змінювалася ринкова капіталізація для різних років IPO. Ви можете об'єднати дані з усіх трьох бірж, щоб отримати повнішу картину.

pandas як pd і matplotlib.pyplot як plt вже імпортовано, а датафрейм listings з попередніх вправ, до якого додано довідковий стовпець 'exchange' із біржею для кожної компанії, доступний у вашому середовищі.

Ця вправа є частиною курсу

Імпорт і керування фінансовими даними в Python

Переглянути курс

Інструкції до вправи

  • Перевірте та виведіть listings, використавши .info() і .head().
  • За допомогою широкомовлення створіть у listings новий стовпець market_cap_m, що міститиме капіталізацію в мільйонах доларів США.
  • Виберіть усі компанії з 'IPO Year' після 1985 року.
  • Видаліть усі пропущені значення у стовпці 'IPO Year' і перетворіть решту значень на цілий тип dtype.
  • Згрупуйте listings за 'IPO Year', виберіть стовпець market_cap_m, обчисліть median, відсортуйте за допомогою .sort_index() і присвойте результат змінній ipo_by_year.
  • Побудуйте стовпчикову діаграму та відобразьте результат.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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()
Редагувати та запускати код