Вартість компаній за біржею та сектором

Ви можете отримувати детальніші підсумки даних, якщо передасте список стовпців у .groupby() та/або застосуєте статистичний метод, наприклад .mean(), безпосередньо до одного чи кількох числових стовпців.

Тут ви обчислите медіанну ринкову капіталізацію для кожного сектора з поділом за біржею, на якій розміщені компанії. Також ви використаєте .unstack(), щоб перетворити мітки бірж із рядків у стовпці. Перш ніж почати вправу, варто переглянути listings у вашій консолі!

pandas як pd і matplotlib.pyplot як plt вже імпортовано, а датафрейм listings зі довідковим стовпцем 'Exchange' і новим стовпцем market_cap_m, що містить ринкову капіталізацію в мільйонах доларів США, доступний у вашому середовищі.

Ця вправа є частиною курсу

Імпорт і керування фінансовими даними в Python

Переглянути курс

Інструкції до вправи

Згрупуйте дані одночасно за 'Sector' та 'Exchange' і присвойте результат змінній by_sector_exchange.
Обчисліть медіанну ринкову капіталізацію для by_sector_exchange і присвойте змінній mcap_by_sector_exchange.
Відобразіть перші 5 рядків результату за допомогою .head().
Викличте .unstack() на mcap_by_sector_exchange, щоб перемістити мітки Exchange у стовпці, і присвойте результат змінній mcap_unstacked.
Побудуйте стовпчикову діаграму результату з заголовком 'Median Market Capitalization by Exchange' і ylabel, встановленим у 'USD mn'.
Показати результат.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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

# Calculate the median market cap
mcap_by_sector_exchange = by_sector_exchange.____.____()

# Display the head of the result
print(mcap_by_sector_exchange.____())

# Unstack mcap_by_sector_exchange
mcap_unstacked = ____.____()

# Plot as a bar chart
mcap_unstacked.plot(____=____, title='Median Market Capitalization by Exchange')

# Set the x label
plt.____('USD mn')

# Show the plot
plt.show()

Редагувати та запускати код