依產業別與 IPO 年計算多項指標

seaborn 的 pointplot() 函式可用來比較數值變數在不同類別變數層級下的彙總統計量：

seaborn.pointplot(x=None, y=None, hue=None, data=None, ...)

在影片中，你看到以是否在 2000 年以前（第一個層級）或之後（第二個層級）上市（IPO，為類別變數）來區分的市值（數值變數）視覺化。

在這個練習中，你要比較自 2000 年以來，每一年 NYSE 與 NASDAQ 的平均市值，並排除高於第 95 百分位數的離群值。已經匯入 pandas 作為 pd 與 matplotlib.pyplot 作為 plt，而且工作環境中已提供包含參考欄位 'Exchange' 的 listings DataFrame。

本練習屬於課程

在 Python 中匯入與管理財務資料

檢視課程

練習說明

匯入 seaborn 並命名為 sns。
從所有交易所中篩選出 2000 年之後 IPO 的公司，但排除 'amex'。
將 'IPO Year' 欄位的資料轉為整數。
建立欄位 market_cap_m，以「美元百萬」表示市值。
在 market_cap_m 中排除高於第 95 百分位數的值。
以 listings 建立 pointplot，x 使用 'IPO Year'，y 使用 'market_cap_m'，hue 使用 'Exchange'。將 xticks 旋轉 45 度後顯示結果。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Import the seaborn library as sns
____

# Exclude IPOs before 2000 and from the 'amex'
listings = ____[(____['IPO Year'] > ____) & (listings.Exchange != ____)]

# Convert IPO Year to integer
listings['IPO Year'] = ____['IPO Year'].____(____)

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

# Exclude outliers
listings = listings[listings.____ < listings.____.____(.95)]

# Create the pointplot
sns.pointplot(x=____, y=____, hue=____, data=____)

# Rotate xticks
plt.____(____=____)

# Show the plot
plt.show()

編輯並執行程式碼