After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Якщо ви хочете застосувати свої нові навички з курсу «Python для науки про дані» до реальних фінансових даних, цей курс надасть вам справді корисні інструменти.
Спочатку ви навчитеся переносити дані з Excel у pandas і назад. Далі ви дізнаєтеся, як отримувати ціни акцій з різних онлайн-API, як-от Google або Yahoo! Finance, макроекономічні дані з Федеральної резервної системи та курси валют з OANDA. Нарешті, ви навчитеся обчислювати доходності на різних часових горизонтах, аналізувати результати акцій за секторами для IPO, а також обчислювати й підсумовувати кореляції.
Попередні вимоги
Навчальний план
Зміст курсу
1
Імпорт біржових списків із Excel
У цьому розділі ви навчитеся імпортувати, очищати та об'єднувати дані з аркушів Excel у датафрейм pandas. Ви також попрактикуєтеся у групуванні даних, підсумуванні інформації за категоріями та візуалізації результатів за допомогою підграфіків і теплових карт.
Ви працюватимете з даними про компанії, що котируються на біржах NASDAQ, NYSE та AMEX, із відомостями про назву компанії, біржовий тикер, останню ринкову капіталізацію та ціну, сектор або галузеву групу та рік IPO. У розділі 2 ви розвинете ці дані, щоб завантажити й проаналізувати історію цін акцій для частини цих компаній.
- Зчитування, огляд і очищення даних з CSV50 XP
- Імпорт відомостей про лістинг акцій з NASDAQ100 XP
- Як виправити імпорт даних?50 XP
- Зчитування даних за допомогою .read_csv() з відповідними аргументами парсингу100 XP
- Зчитування даних з аркушів Excel50 XP
- Завантаження інформації про лістинг з одного аркуша100 XP
- Завантажте дані лістингу з двох аркушів100 XP
- Об'єднайте дані з кількох аркушів50 XP
- Завантаження всіх біржових списків і ітерація за парами ключ–значення у словнику100 XP
- Скільки компаній котируються на NYSE та NASDAQ?50 XP
- Автоматизуйте завантаження та об'єднання даних з кількох аркушів Excel100 XP
2
Імпорт фінансових даних з інтернету
У цьому розділі представлено доступ до онлайн-даних Google Finance і Federal Reserve Data Service через `pandas` `DataReader`. Ви завантажите дані, виконаєте базові перетворення, об'єднаєте часові ряди та візуалізуєте результати.
3
Підсумування даних і візуалізація результатів
У цьому розділі ви навчитеся описувати ключові характеристики окремих змінних за допомогою простих метрик. Завдяки цьому легше зрозуміти розподіл змінних у вашому наборі даних: які значення є центральними чи типовими для ваших даних? Чи сильно розкидані значення, чи радше зосереджені навколо певної середньої? Чи є викиди? Який загальний вигляд має розподіл?
4
Агрегування та опис даних за категоріями
У цьому розділі розглядається групування даних за однією або кількома категоріальними змінними та обчислення й візуалізація підсумкової статистики для кожної категорії. У процесі ви навчитеся порівнювати показники компаній для різних секторів і «урожаїв» IPO, аналізувати глобальний розподіл доходів у часі та створювати різні статистичні графіки за допомогою бібліотеки seaborn.
Імпорт і керування фінансовими даними в Python
Курс
завершено
