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

45,088

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

Importowanie danych giełdowych z Excela

W tym rozdziale nauczysz się importować, czyścić i łączyć dane z arkuszy skoroszytu Excela w ramkę danych pandas. Przećwiczysz też grupowanie danych, podsumowywanie informacji dla poszczególnych kategorii oraz wizualizację wyników za pomocą wykresów zbiorczych i map ciepła. Będziesz pracować z danymi spółek notowanych na giełdach NASDAQ, NYSE i AMEX – w tym z nazwami firm, symbolami tickerów, ostatnią kapitalizacją rynkową, ceną akcji, sektorem lub grupą branżową oraz rokiem debiutu giełdowego (IPO). W rozdziale 2 wykorzystasz te dane do pobrania i analizy historii kursów akcji wybranych spółek.

Wczytywanie, analiza i czyszczenie danych z pliku CSV

Importowanie danych o spółkach notowanych na NASDAQ

Jak poprawić import danych?

Wczytaj dane za pomocą .read_csv() z odpowiednimi argumentami parsowania

Wczytywanie danych z arkuszy Excela

Wczytywanie danych z jednego arkusza

Wczytywanie danych z dwóch arkuszy

Łączenie danych z wielu arkuszy

Wczytaj wszystkie dane giełdowe i iteruj po parach klucz-wartość słownika

Ile spółek jest notowanych na NYSE i NASDAQ?

Automatyzacja wczytywania i łączenia danych z wielu arkuszy Excela

Zacznij rozdział

2

Importowanie danych finansowych z internetu

Ten rozdział wprowadza dostęp do danych online z Google Finance oraz serwisu danych Rezerwy Federalnej za pośrednictwem pandas DataReader. Pobierzesz dane, wykonasz podstawowe operacje, połączysz serie danych i zwizualizujesz wyniki.

DataReader: dostęp do danych finansowych online

Pobieranie danych giełdowych dla jednej spółki

Wizualizacja trendu ceny akcji

Dane ekonomiczne z Systemu Rezerwy Federalnej

Wizualizacja długoterminowego trendu cen ropy naftowej

Porównaj wskaźniki aktywności zawodowej i bezrobocia na rynku pracy

Porównanie wyników obligacji i akcji

Wybierz akcje i pobierz dane z Yahoo! Finance

Wybierz 5 największych notowanych spółek konsumenckich

Znajdź ticker największej spółki z sektora usług konsumenckich

Znajdź największą spółkę konsumencką notowaną po 1998 roku

Pobierz dane wielu akcji i zarządzaj MultiIndex

Pobieranie danych dla 3 największych spółek finansowych

Zacznij rozdział

3

Podsumowywanie danych i wizualizacja wyników

W tym rozdziale nauczysz się opisywać kluczowe cechy poszczególnych zmiennych za pomocą prostych miar statystycznych. Dzięki temu łatwiej zrozumiesz rozkład zmiennych w swoim zbiorze danych: Jakie wartości są centralne lub typowe dla twoich danych? Czy dane są bardzo rozproszone, czy skupione wokół pewnego punktu środkowego? Czy występują wartości odstające? Jak wygląda ogólny rozkład?

Podsumuj dane za pomocą statystyk opisowych

Lista najbiedniejszych i najbogatszych krajów świata

Globalne dochody: tendencja centralna

Opisywanie rozkładu danych za pomocą kwantyli

Globalne dochody: rozproszenie

Decyle globalnego rozkładu dochodów

Wszystkie statystyki na raz

Wizualizacja rozkładu danych

Wizualizacja międzynarodowego rozkładu dochodów

Tempo wzrostu w Brazylii, Chinach i USA

Wyróżnianie wartości w rozkładzie

Podsumowanie zmiennych kategorycznych

Spółki według sektora na wszystkich giełdach

Debiuty giełdowe spółek technologicznych według roku na wszystkich giełdach

Zacznij rozdział

4

Agregowanie i opisywanie danych według kategorii

Ten rozdział pokazuje, jak grupować dane według jednej lub wielu zmiennych kategorycznych oraz jak obliczać i wizualizować statystyki opisowe dla każdej kategorii. Przy okazji nauczysz się porównywać statystyki spółek z różnych sektorów i roczników IPO, analizować globalny rozkład dochodów w czasie, a także tworzyć różnorodne wykresy statystyczne przy użyciu biblioteki seaborn.

Agreguj dane według kategorii

Mediana kapitalizacji rynkowej według sektora

Mediana kapitalizacji rynkowej według roku IPO

Wszystkie statystyki opisowe według sektora

Więcej sposobów agregowania danych

Wartość spółek według giełdy i sektora

Obliczanie kilku miar dla sektorów i giełd

Statystyki opisowe według kategorii z seaborn

Wykres osi czasu IPO dla wszystkich giełd przy użyciu countplot()

Globalny medianowy dochód per capita na przestrzeni czasu

Oblicz wybrane statystyki według sektora i roku IPO

Rozkłady według kategorii z użyciem seaborn

Trendy inflacji w Chinach, Indiach i USA

Rozkład stóp inflacji w Chinach, Indiach i USA

Gratulacje!

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.