Dopo aver seguito questi corsi, mi sento sicuro nel creare visualizzazioni e dashboard professionali
Shoebur RahmanSpecialista degli acquisti, Giz Bangladesh
Descrizione del corso
Se vuoi mettere in pratica le tue nuove competenze di "Python for Data Science" su dati finanziari reali, questo corso ti fornirà strumenti molto utili.
Per prima cosa imparerai a trasferire i dati da Excel a pandas e viceversa. Poi imparerai a scaricare i prezzi azionari da varie API online come
Google o Yahoo! Finance, dati macro dalla Federal Reserve e tassi di cambio da OANDA. Infine, imparerai a calcolare i rendimenti su vari orizzonti temporali,
analizzare la performance azionaria per settore per le IPO e calcolare e sintetizzare le correlazioni.
Prerequisiti
Programma
Struttura del corso
1
Importare l’elenco dei titoli da Excel
In questo capitolo imparerai a importare, pulire e combinare dati da fogli di lavoro Excel in un DataFrame di pandas. Farai anche pratica nel raggruppare i dati, riassumere le informazioni per categoria e visualizzare i risultati usando subplot e heatmap.
Userai dati su società quotate alle borse NASDAQ, NYSE e AMEX con informazioni su nome della società, simbolo del titolo, ultima capitalizzazione e prezzo di mercato, settore o gruppo industriale e anno di IPO. Nel Capitolo 2, approfondirai questi dati per scaricare e analizzare la storia dei prezzi di alcune di queste società.
- Lettura, ispezione e pulizia dei dati da CSV50 XP
- Importa le informazioni sulle società dal NASDAQ100 XP
- Come correggere l'import dei dati?50 XP
- Leggi i dati con .read_csv() usando argomenti di parsing adeguati100 XP
- Leggi i dati dai fogli di lavoro di Excel50 XP
- Carica le informazioni di listing da un singolo foglio100 XP
- Carica i dati delle quotazioni da due fogli100 XP
- Combina i dati da più fogli di lavoro50 XP
- Carica tutti i dati di listing e itera sulle coppie chiave-valore del dizionario100 XP
- Quante aziende sono quotate su NYSE e NASDAQ?50 XP
- Automatizza il caricamento e la combinazione dei dati da più fogli di lavoro Excel100 XP
2
Importare dati finanziari dal web
Questo capitolo introduce l’accesso ai dati online di Google Finance e del Federal Reserve Data Service tramite il `DataReader` di `pandas`. Scaricherai i dati, effettuerai manipolazioni di base, combinerai serie temporali e visualizzerai i risultati.
3
Riepilogare i dati e visualizzare i risultati
In questo capitolo imparerai a cogliere le caratteristiche chiave delle singole variabili tramite metriche semplici. In questo modo sarà più facile comprendere la distribuzione delle variabili nel tuo insieme di dati: Quali valori sono centrali o tipici? I dati sono molto dispersi o piuttosto concentrati attorno a un valore medio? Ci sono outlier? Che aspetto ha la distribuzione complessiva?
4
Aggregare e descrivere i dati per categoria
Questo capitolo introduce la possibilità di raggruppare i dati in base a una o più variabili categoriche e di calcolare e visualizzare statistiche riepilogative per ciascuna categoria. Nel frattempo imparerai a confrontare le statistiche aziendali per diversi settori e annate di IPO, analizzare l’evoluzione della distribuzione del reddito globale nel tempo e creare vari grafici statistici con la libreria seaborn.
Importing and Managing Financial Data in Python
Corso
completato
