After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Описание курса
Если вы хотите применить навыки Python для науки о данных к реальным финансовым данным, этот курс даст вам ценные инструменты для работы.
Сначала вы научитесь переносить данные из Excel в pandas и обратно. Затем — получать котировки акций через различные онлайн-API, например Google или Yahoo! Finance, макроэкономические данные из Федерального резерва, а также обменные курсы с OANDA. В завершение вы научитесь рассчитывать доходность за разные временные горизонты, анализировать результативность акций по секторам для IPO, а также вычислять и обобщать корреляции.
Предварительные требования
Программа
Структура курса
1
Импорт данных о биржевых листингах из Excel
В этой главе вы научитесь импортировать, очищать и объединять данные с листов книги Excel в DataFrame pandas. Вы также попрактикуетесь в группировке данных, обобщении информации по категориям и визуализации результатов с помощью подграфиков и тепловых карт.
Вы будете работать с данными о компаниях, котирующихся на биржах NASDAQ, NYSE и AMEX: название компании, тикер, последняя рыночная капитализация и цена, сектор или отраслевая группа, год IPO. В главе 2 вы используете эти данные для загрузки и анализа истории цен акций некоторых из этих компаний.
- Чтение, проверка и очистка данных из CSV50 XP
- Импорт данных о листинге акций с биржи NASDAQ100 XP
- Как исправить импорт данных?50 XP
- Чтение данных с помощью .read_csv() с нужными аргументами парсинга100 XP
- Чтение данных из листов Excel50 XP
- Загрузка данных листинга из одного листа100 XP
- Загрузка данных о листингах с двух листов100 XP
- Объединение данных из нескольких листов50 XP
- Загрузка всех данных о листинге и перебор пар ключ-значение в словаре100 XP
- Сколько компаний котируется на NYSE и NASDAQ?50 XP
- Автоматизация загрузки и объединения данных с нескольких листов Excel100 XP
2
Импорт финансовых данных из интернета
В этой главе рассматривается доступ к онлайн-данным Google Finance и сервиса данных Федерального резерва через `pandas` `DataReader`. Вы будете загружать данные, выполнять базовые операции с ними, объединять ряды данных и визуализировать результаты.
3
Анализ и визуализация данных
В этой главе вы научитесь описывать ключевые характеристики отдельных переменных с помощью простых метрик. Это поможет лучше понять распределение переменных в вашем наборе данных: какие значения являются центральными или типичными? Насколько разбросаны данные или, напротив, сосредоточены вокруг некоторой средней точки? Есть ли выбросы? Как выглядит общее распределение?
4
Агрегирование и описание данных по категориям
Эта глава посвящена группировке данных по одной или нескольким категориальным переменным, а также вычислению и визуализации сводной статистики для каждой категории. В процессе работы вы научитесь сравнивать показатели компаний по различным секторам и годам IPO, анализировать глобальное распределение доходов во времени, а также строить различные статистические графики с помощью библиотеки seaborn.
Импорт и управление финансовыми данными в Python
Курс
завершён
