ПочатиПочніть безкоштовно

Усі описові статистики за секторами

Ви можете застосувати різні описові статистики, які вивчили в попередньому розділі, до об'єкта groupby, щоб отримати результати для кожної категорії окремо. Сюди входить і функція .describe(), яка одразу дає кілька корисних показників!

Тут ви потренуєтеся на переліках NASDAQ. pandas імпортовано як pd, а дані про компанії, що торгуються на біржі NASDAQ, доступні у вашому робочому середовищі в датафреймі nasdaq.

Ця вправа є частиною курсу

Імпорт і керування фінансовими даними в Python

Переглянути курс

Інструкції до вправи

  • Перегляньте дані nasdaq за допомогою .info().
  • Створіть новий стовпець market_cap_m, що містить ринкову капіталізацію в мільйонах доларів США. На наступному рядку видаліть стовпець 'Market Capitalization'.
  • Згрупуйте дані nasdaq за 'Sector' і присвойте результат змінній nasdaq_by_sector.
  • Викличте метод .describe() для nasdaq_by_sector, збережіть у summary і виведіть результат.
  • Це працює, але result має довгий формат і використовує pd.MultiIndex(), з яким ви вже знайомі. Перетворіть summary у широкий формат, викликавши .unstack().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Inspect NASDAQ data
nasdaq.____()

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

# Drop the Market Capitalization column
nasdaq.drop('Market Capitalization', axis=1, inplace=True)

# Group nasdaq by Sector
nasdaq_by_sector = ____.____(____)

# Create summary statistics by sector
summary = ____.____()

# Print the summary
print(summary)

# Unstack 
summary = ____.____()

# Print the summary again
print(summary)
Редагувати та запускати код