按 IPO 年份的市值中位数
在上一章的最后一节课中，您为科技公司每年的 IPO 数量创建了一个时间线。
现在我们来分析不同 IPO 年份的市值如何变化。您可以合并来自三个交易所的数据，以获得更全面的视角。
已导入 pandas 为 pd 和 matplotlib.pyplot 为 plt，并且工作区中提供了上一练习中的 listings DataFrame。该对象现在包含新增的参考列 'exchange'，记录了每家上市公司的交易所。
本练习是课程的一部分
在 Python 中导入与管理金融数据
练习说明
- 使用
.info()和.head()检查并显示listings。 - 使用广播，为
listings创建一个新列market_cap_m，其值为以百万美元计的市值。 - 选取所有
'IPO Year'晚于 1985 的公司。 - 删除
'IPO Year' 列中的所有缺失值，并将其余值转换为整数dtype。 - 按
'IPO Year'对listings分组，选取market_cap_m列并计算median，使用.sort_index()排序，并将结果赋给ipo_by_year。 - 将结果绘制为柱状图并显示。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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()