Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
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
Programme de formation
Plan du cours
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 CSV50 XP
- Importer les informations de cotation depuis le NASDAQ100 XP
- Comment corriger l’import de données ?50 XP
- Lire des données avec .read_csv() et des arguments d’analyse adaptés100 XP
- Lire des données à partir de feuilles de calcul Excel50 XP
- Charger les informations de cotation depuis une seule feuille100 XP
- Charger les données de cotation depuis deux feuilles100 XP
- Combiner des données depuis plusieurs feuilles de calcul50 XP
- Charger toutes les données de cotation et itérer sur des paires clé–valeur d’un dictionnaire100 XP
- Combien d’entreprises sont cotées sur le NYSE et le NASDAQ ?50 XP
- Automatisez le chargement et la combinaison de données depuis plusieurs feuilles Excel100 XP
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.
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 ?
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.
Importer et gérer des données financières en Python
Cours
terminé
