Accéder au contenu principal

Cours

Importer et gérer des données financières en Python

IntermédiaireNiveau de compétence

Actualisé 02/2023

Dans ce cours, vous apprendrez à importer et à gérer des données financières en Python à l'aide de divers outils et sources.

Commencer le cours gratuitement

PythonApplied Finance

5 h

16 vidéos

53 Exercices

4,350 XP

45,046

Certificat de formation

Apprécié par des utilisateurs provenant de milliers d'entreprises

Former une équipe ?

Essayez pour les entreprises

Description du cours

Si vous souhaitez mettre en pratique vos nouvelles compétences en « Python for Data Science » sur des données financières réelles, ce cours vous donnera des outils très utiles. Vous apprendrez d’abord à exporter des données d’Excel vers pandas, puis à les renvoyer vers Excel. Ensuite, vous verrez comment récupérer des cours boursiers depuis différentes API en ligne comme Google ou Yahoo! Finance, des données macroéconomiques de la Federal Reserve, et des taux de change d’OANDA. Enfin, vous apprendrez à calculer des rendements sur différents horizons, à analyser la performance boursière par secteur pour les IPO, et à calculer et synthétiser des corrélations.

Prérequis

Data Manipulation with pandas

1

Importer des listes de sociétés depuis Excel

Dans ce chapitre, vous apprendrez à importer, nettoyer et combiner des données depuis des feuilles de classeur Excel dans un DataFrame pandas. Vous vous exercerez aussi à regrouper des données, à synthétiser des informations par catégories et à visualiser le résultat à l’aide de sous-graphiques et de cartes thermiques (heatmaps). Vous utiliserez des données sur des entreprises cotées sur les bourses NASDAQ, NYSE et AMEX, avec des informations sur le nom de l’entreprise, le symbole boursier, la dernière capitalisation et le dernier prix, le secteur ou le groupe industriel, ainsi que l’année d’IPO. Au chapitre 2, vous approfondirez ces données pour télécharger et analyser l’historique des cours de certaines de ces sociétés.

Lire, examiner et nettoyer des données depuis un CSV

Importer les informations de cotation depuis le NASDAQ

Comment corriger l’import de données ?

Lire des données avec .read_csv() et des arguments d’analyse adaptés

Lire des données à partir de feuilles de calcul Excel

Charger les informations de cotation depuis une seule feuille

Charger les données de cotation depuis deux feuilles

Combiner des données depuis plusieurs feuilles de calcul

Charger toutes les données de cotation et itérer sur des paires clé–valeur d’un dictionnaire

Combien d’entreprises sont cotées sur le NYSE et le NASDAQ ?

Automatisez le chargement et la combinaison de données depuis plusieurs feuilles Excel

Commencer le chapitre

2

Importer des données financières depuis le web

Ce chapitre présente l’accès en ligne à Google Finance et au Federal Reserve Data Service via le DataReader de pandas. Vous récupérerez des données, effectuerez des manipulations de base, combinerez des séries et visualiserez les résultats.

DataReader : accéder en ligne aux données financières

Récupérer des données boursières pour une seule entreprise

Visualiser la tendance d’un cours boursier

Données économiques de la Réserve fédérale

Visualiser la tendance de long terme du prix du pétrole

Comparer le taux de participation au marché du travail et le taux de chômage

Comparer la performance obligations vs actions

Sélectionner des actions et récupérer des données depuis Yahoo! Finance

Sélectionner les 5 plus grandes entreprises de services aux consommateurs

Obtenir le ticker de la plus grande entreprise de services aux consommateurs

Trouver la plus grande entreprise de consommation cotée après 1998

Récupérer plusieurs actions et gérer un MultiIndex

Obtenir les données des 3 plus grandes entreprises financières

Commencer le chapitre

3

Synthétiser vos données et visualiser le résultat

Dans ce chapitre, vous apprendrez à saisir les principales caractéristiques de variables individuelles à l’aide de mesures simples. Il sera ainsi plus facile de comprendre la distribution des variables de votre jeu de données : quelles valeurs sont centrales ou typiques ? Vos données sont-elles très dispersées, ou plutôt concentrées autour d’un point médian ? Y a-t-il des valeurs aberrantes ? À quoi ressemble la distribution globale ?

Résumez vos données avec des statistiques descriptives

Lister les pays les plus pauvres et les plus riches dans le monde

Revenus mondiaux : tendance centrale

Décrire la distribution de vos données avec des quantiles

Revenus mondiaux : dispersion

Déciles de la distribution mondiale des revenus

Obtenir toutes les statistiques

Visualiser la distribution de vos données

Visualiser la distribution des revenus internationaux

Taux de croissance au Brésil, en Chine et aux États-Unis

Mettre en évidence des valeurs dans la distribution

Résumer des variables catégorielles

Entreprises par secteur sur toutes les places boursières

Introductions en bourse technologiques par année sur toutes les places

Commencer le chapitre

4

Agrégation et description de vos données par catégorie

Ce chapitre présente la possibilité de regrouper des données selon une ou plusieurs variables catégorielles, puis de calculer et de visualiser des statistiques récapitulatives pour chaque catégorie. Vous apprendrez ainsi à comparer des indicateurs d’entreprise entre secteurs et millésimes d’IPO, à analyser l’évolution de la distribution mondiale des revenus dans le temps, et à créer différents graphiques statistiques avec la bibliothèque seaborn.

Agrégerez vos données par catégorie

Capitalisation boursière médiane par secteur

Capitalisation boursière médiane par année d’IPO

Toutes les statistiques descriptives par secteur

D’autres façons d’agréger vos données

Valeur des entreprises par place boursière et par secteur

Calculer plusieurs indicateurs par secteur et par place boursière

Statistiques descriptives par catégorie avec seaborn

Tracer la chronologie des IPO pour toutes les places boursières avec countplot()

Évolution du revenu médian par habitant dans le monde

Calculer plusieurs indicateurs par secteur et année d’IPO

Distribuer des données par catégorie avec seaborn

Tendances de l’inflation en Chine, en Inde et aux États‑Unis

Distribution des taux d’inflation en Chine, en Inde et aux États-Unis

Félicitations !

Commencer le chapitre

Importer et gérer des données financières en Python

Cours
terminé

Obtenez un certificat de réussite

Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolio
Partagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire maintenant

Rejoignez plus de 19 millions d'utilisateurs et commencez Importer et gérer des données financières en Python dès aujourd'hui !

Apprenez où que vous soyez avec l'application DataCamp

Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.