Przejdź do głównej treści

Strona główna Python

Kurs

Importowanie i zarządzanie danymi finansowymi w Pythonie

ŚredniozaawansowanyPoziom umiejętności

Zaktualizowano 02.2023

W tym kursie nauczysz się importować i zarządzać danymi finansowymi w Pythonie, korzystając z różnych narzędzi i źródeł.

Zacznij kurs za darmo

PythonApplied Finance

5 godz.

16 filmów

53 Ćwiczenia

4,350 XP

45,035

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Jeśli chcesz wykorzystać umiejętności z zakresu Pythona do analizy danych i zastosować je do rzeczywistych danych finansowych, ten kurs wyposaży cię w bardzo przydatne narzędzia. Nauczysz się, jak przenosić dane z Excela do pandas i z powrotem. Następnie dowiesz się, jak pobierać kursy akcji z różnych interfejsów API, takich jak Google czy Yahoo! Finance, dane makroekonomiczne z Rezerwy Federalnej oraz kursy walut z OANDA. Na koniec nauczysz się obliczać stopy zwrotu dla różnych horyzontów czasowych, analizować wyniki akcji według sektorów dla spółek debiutujących na giełdzie (IPO) oraz obliczać i podsumowywać korelacje.

Wymagania wstępne

Data Manipulation with pandas

1

Importing stock listing data from Excel

In this chapter, you will learn how to import, clean and combine data from Excel workbook sheets into a pandas DataFrame. You will also practice grouping data, summarizing information for categories, and visualizing the result using subplots and heatmaps. You will use data on companies listed on the stock exchanges NASDAQ, NYSE, and AMEX with information on company name, stock symbol, last market capitalization and price, sector or industry group, and IPO year. In Chapter 2, you will build on this data to download and analyze stock price history for some of these companies.

Reading, inspecting, and cleaning data from CSV

Import stock listing info from the NASDAQ

How to fix the data import?

Read data using .read_csv() with adequate parsing arguments

Read data from Excel worksheets

Load listing info from a single sheet

Load listing data from two sheets

Combine data from multiple worksheets

Load all listing data and iterate over key-value dictionary pairs

How many companies are listed on the NYSE and NASDAQ?

Automate the loading and combining of data from multiple Excel worksheets

Zacznij rozdział

2

Importing financial data from the web

This chapter introduces online data access to Google Finance and the Federal Reserve Data Service through the pandas DataReader. You will pull data, perform basic manipulations, combine data series, and visualize the results.

The DataReader: Access financial data online

Get stock data for a single company

Visualize a stock price trend

Economic data from the Federal Reserve

Visualize the long-term oil price trend

Compare labor market participation and unemployment rates

Compare bond and stock performance

Select stocks and get data from Yahoo! Finance

Select the top 5 listed consumer companies

Get the ticker of the largest consumer services company

Get the largest consumer company listed after 1998

Get several stocks & manage a MultiIndex

Get data for the 3 largest financial companies

Zacznij rozdział

3

Summarizing your data and visualizing the result

In this chapter, you will learn how to capture key characteristics of individual variables in simple metrics. As a result, it will be easier to understand the distribution of the variables in your data set: Which values are central to, or typical of your data? Is your data widely dispersed, or rather narrowly distributed around some mid point? Are there outliers? What does the overall distribution look like?

Summarize your data with descriptive stats

List the poorest and richest countries worldwide

Global incomes: Central tendency

Describe the distribution of your data with quantiles

Global incomes: Dispersion

Deciles of the global income distribution

Getting all the statistics

Visualize the distribution of your data

Visualizing international income distribution

Growth rates in Brazil, China, and the US

Highlighting values in the distribution

Summarize categorical variables

Companies by sector on all exchanges

Technology IPOs by year on all exchanges

Zacznij rozdział

4

Aggregating and describing your data by category

This chapter introduces the ability to group data by one or more categorical variables, and to calculate and visualize summary statistics for each caategory. In the process, you will learn to compare company statistics for different sectors and IPO vintages, analyze the global income distribution over time, and learn how to create various statistical charts from the seaborn library.

Aggregate your data by category

Median market capitalization by sector

Median market capitalization by IPO year

All summary statistics by sector

More ways to aggregate your data

Company value by exchange and sector

Calculate several metrics by sector and exchange

Summary statistics by category with seaborn

Plot IPO timeline for all exchanges using countplot()

Global median per capita income over time

Calculate several metrics by sector and IPO year

Distributions by category with seaborn

Inflation trends in China, India, and the US

Distribution of inflation rates in China, India, and the US

Congratulations!

Zacznij rozdział

Importowanie i zarządzanie danymi finansowymi w Pythonie

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Importowanie i zarządzanie danymi finansowymi w Pythonie już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.