Hoppa till huvudinnehållet

Kurs

Importera och hantera finansiell data i Python

MedelnivåKunskapsnivå

Uppdaterad 2023-02

I den här kursen lär du dig att importera och hantera finansiella data i Python med olika verktyg och källor.

Starta kursen gratis

PythonApplied Finance

5 tim

16 videor

53 Övningar

4,350 XP

45,088

Intyg om genomförande

Omtyckt av lärande på tusentals företag

Utbildar du ett team?

Prova för företag

Kursbeskrivning

Om du vill tillämpa dina Python-kunskaper inom data science på verklig finansiell data får du här några mycket användbara verktyg. Du lär dig först hur du hämtar data från Excel till pandas och tillbaka igen. Sedan lär du dig att hämta aktiekurser från olika online-API:er som Google eller Yahoo! Finance, makroekonomisk data från Federal Reserve och växelkurser från OANDA. Slutligen lär du dig att beräkna avkastning för olika tidshorisonter, analysera aktieprestation per sektor för börsintroduktioner samt beräkna och sammanfatta korrelationer.

Förkunskapskrav

Data Manipulation with pandas

1

Importera aktielistningsdata från Excel

I det här kapitlet lär du dig att importera, rensa och kombinera data från Excel-arbetsblad till en pandas DataFrame. Du får också öva på att gruppera data, sammanfatta information per kategori och visualisera resultaten med deldiagram och värmekartor. Du arbetar med data om företag noterade på börserna NASDAQ, NYSE och AMEX, med information om företagsnamn, aktiesymbol, senaste börsvärde och kurs, sektor eller branschgrupp samt år för börsintroduktion. I kapitel 2 bygger du vidare på dessa data för att ladda ner och analysera aktiekurshistorik för några av dessa företag.

Läsa, granska och rensa data från CSV

Importera börsnoteringsinformation från NASDAQ

Hur åtgärdar du dataimporteringen?

Läs data med .read_csv() och lämpliga parsningsargument

Läs data från Excel-kalkylblad

Läs in listningsinformation från ett enskilt blad

Läs in listningsdata från två ark

Kombinera data från flera kalkylblad

Läs in alla listningsdata och iterera över nyckel-värde-par i en ordlista

Hur många företag är noterade på NYSE och NASDAQ?

Automatisera inläsning och sammanslagning av data från flera Excel-kalkylblad

2

Importera finansiell data från webben

Det här kapitlet introducerar online-dataåtkomst till Google Finance och Federal Reserves datatjänst via pandas DataReader. Du hämtar data, utför grundläggande bearbetningar, kombinerar dataserier och visualiserar resultaten.

DataReader: hämta finansiell data online

Hämta aktiedata för ett enskilt företag

Visualisera en akties prisutveckling

Ekonomisk data från Federal Reserve

Visualisera den långsiktiga trenden för oljepriset

Jämför deltagande på arbetsmarknaden och arbetslöshetsnivåer

Jämför obligations- och aktieutveckling

Välj aktier och hämta data från Yahoo! Finance

Välj de 5 mest listade konsumentföretagen

Hämta ticker för det största Consumer Services-företaget

Hitta det största konsumentföretaget noterat efter 1998

Hämta flera aktier och hantera ett MultiIndex

Hämta data för de 3 största finansbolagen

3

Sammanfatta din data och visualisera resultaten

I det här kapitlet lär du dig att fånga viktiga egenskaper hos enskilda variabler i enkla mätvärden. Det gör det lättare att förstå fördelningen av variablerna i din datamängd: Vilka värden är centrala eller typiska för dina data? Är dina data spridda över ett brett intervall, eller koncentrerade kring ett mittenvärde? Finns det extremvärden? Hur ser den övergripande fördelningen ut?

Sammanfatta dina data med deskriptiv statistik

Lista världens fattigaste och rikaste länder

Globala inkomster: Central tendens

Beskriv fördelningen av dina data med kvantiler

Globala inkomster: Spridning

Deciler för den globala inkomstfördelningen

Samla all statistik

Visualisera fördelningen av dina data

Visualisering av internationell inkomstfördelning

Tillväxttakter i Brasilien, Kina och USA

Markera värden i fördelningen

Sammanfatta kategoriska variabler

Företag per sektor på alla börser

Teknologibolag på börsen – IPO-fördelning per år på alla börser

4

Aggregera och beskriva din data per kategori

Det här kapitlet introducerar möjligheten att gruppera data efter en eller flera kategoriska variabler samt att beräkna och visualisera sammanfattande statistik för varje kategori. Under kursens gång lär du dig att jämföra företagsstatistik för olika sektorer och börsintroduktionsårgångar, analysera den globala inkomstfördelningen över tid och skapa olika statistiska diagram med biblioteket seaborn.

Aggregera dina data efter kategori

Medianbörsvärde per sektor

Median av börsvärde per IPO-år

Alla sammanfattande statistikmått per sektor

Fler sätt att aggregera dina data

Företagsvärde per börs och sektor

Beräkna flera nyckeltal per sektor och börs

Sammanfattande statistik per kategori med seaborn

Visualisera IPO-tidslinje för alla börser med countplot()

Global medianinkomst per capita över tid

Beräkna flera nyckeltal per sektor och IPO-år

Fördelningar per kategori med seaborn

Inflationstrender i Kina, Indien och USA

Fördelning av inflationstakt i Kina, Indien och USA

Importera och hantera finansiell data i Python

Kurs
slutförd

Tjäna ett prestationsbevis

Lägg till det här beviset i din LinkedIn-profil, ditt CV eller din meritförteckning
Dela det i sociala medier och i din medarbetarutvärderingRegistrera dig nu

Gå med 19 miljoner lärande och börja Importera och hantera finansiell data i Python idag!

Utveckla dina datakunskaper med DataCamp för mobilen

Gör framsteg när du är på språng med våra mobila kurser och dagliga 5-minuters kodningsutmaningar.