Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Wenn du deine neuen „Python for Data Science“-Skills auf reale Finanzdaten anwenden willst, bekommst du in diesem Kurs wertvolle Werkzeuge an die Hand.
Zuerst lernst du, wie du Daten aus Excel in pandas importierst und wieder zurück exportierst. Danach erfährst du, wie du Aktienkurse über verschiedene Online-APIs wie
Google oder Yahoo! Finance abrufst, Makrodaten von der Federal Reserve sowie Wechselkurse von OANDA. Abschließend lernst du, wie du Renditen über verschiedene Zeithorizonte berechnest,
Aktienentwicklungen nach Sektoren für IPOs analysierst und Korrelationen berechnest und zusammenfasst.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Aktienlistendaten aus Excel importieren
In diesem Kapitel lernst du, wie du Daten aus Excel-Arbeitsmappenblättern in ein pandas DataFrame importierst, bereinigst und zusammenführst. Außerdem übst du, Daten zu gruppieren, Informationen nach Kategorien zusammenzufassen und das Ergebnis mit Subplots und Heatmaps zu visualisieren.
Du arbeitest mit Daten zu Unternehmen, die an den Börsen NASDAQ, NYSE und AMEX gelistet sind, mit Informationen zu Unternehmensname, Tickersymbol, letzter Marktkapitalisierung und Preis, Sektor bzw. Branche sowie IPO-Jahr. In Kapitel 2 knüpfst du daran an, um Kursverläufe für einige dieser Unternehmen herunterzuladen und zu analysieren.
- Daten aus CSV lesen, prüfen und bereinigen50 XP
- Börsenlistings der NASDAQ importieren100 XP
- Wie lässt sich der Datenimport korrigieren?50 XP
- Daten mit .read_csv() und passenden Parsing-Argumenten einlesen100 XP
- Daten aus Excel-Arbeitsblättern einlesen50 XP
- Listing-Infos aus einem einzelnen Sheet laden100 XP
- Listing-Daten aus zwei Sheets laden100 XP
- Daten aus mehreren Arbeitsblättern kombinieren50 XP
- Alle Listing-Daten laden und über Schlüssel-Wert-Paare eines Dictionaries iterieren100 XP
- Wie viele Unternehmen sind an der NYSE und der NASDAQ gelistet?50 XP
- Das Laden und Kombinieren von Daten aus mehreren Excel-Arbeitsblättern automatisieren100 XP
2
Finanzdaten aus dem Web importieren
Dieses Kapitel führt in den Online-Datenzugriff auf Google Finance und den Federal Reserve Data Service über den `pandas`-`DataReader` ein. Du rufst Daten ab, führst einfache Transformationen durch, kombinierst Datenreihen und visualisierst die Ergebnisse.
3
Deine Daten zusammenfassen und das Ergebnis visualisieren
In diesem Kapitel lernst du, zentrale Merkmale einzelner Variablen in einfachen Kennzahlen festzuhalten. So fällt es leichter, die Verteilung der Variablen in deinem Datensatz zu verstehen: Welche Werte sind zentral oder typisch für deine Daten? Sind deine Daten stark gestreut oder eher eng um einen Mittelpunkt verteilt? Gibt es Ausreißer? Wie sieht die Gesamtverteilung aus?
4
Daten nach Kategorien aggregieren und beschreiben
Dieses Kapitel zeigt dir, wie du Daten nach einer oder mehreren kategorialen Variablen gruppierst und für jede Kategorie zusammenfassende Statistiken berechnest und visualisierst. Dabei lernst du, Unternehmenskennzahlen für verschiedene Sektoren und IPO-Jahrgänge zu vergleichen, die globale Einkommensverteilung im Zeitverlauf zu analysieren und verschiedene Statistikdiagramme aus der seaborn-Bibliothek zu erstellen.
Importing and Managing Financial Data in Python
Kurs
abgeschlossen
