After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
如果您想把新学到的"Python 数据科学"技能应用到真实的金融数据上，本课程将为您提供非常实用的工具。
首先，您将学习如何在 Excel 与 pandas 之间导入与导出数据。接着，您将学习如何通过各类在线 API（如 Google 或 Yahoo! Finance）获取股票价格，通过美国联邦储备（Federal Reserve）获取宏观数据，以及从 OANDA 获取汇率。最后，您将学习如何计算不同时间范围的收益率，按行业分析 IPO 的股票表现，并计算与汇总相关性。
先修要求
课程大纲
课程大纲
1
从 Excel 导入股票上市数据
在本章中，您将学习如何将 Excel 工作簿中的工作表数据导入、清洗并合并为一个 pandas DataFrame。您还将练习对数据分组、为不同类别汇总信息，并使用子图与热力图可视化结果。
您将使用纳斯达克（NASDAQ）、纽交所（NYSE）和美交所（AMEX）上市公司的数据，其中包含公司名称、股票代码、最新市值与价格、所属行业或产业组，以及 IPO 年份。在第 2 章中，您将在此数据基础上下载并分析部分公司的历史股价。
2
从网络导入金融数据
本章将通过 `pandas` 的 `DataReader` 介绍如何在线访问 Google Finance 和美国联邦储备数据服务。您将获取数据，进行基础处理，合并数据序列，并可视化结果。
3
汇总数据并可视化结果
在本章中，您将学习如何用简明指标提炼单个变量的关键特征。这样更容易理解数据集中各变量的分布：哪些值最能代表或体现数据的典型水平？数据是广泛分散，还是相对集中在某个中间范围？是否存在异常值？整体分布形态如何？
4
按类别聚合并描述数据
本章将介绍如何按一个或多个分类变量对数据分组，并为每个类别计算与可视化汇总统计。在此过程中，您将学会比较不同行业与不同 IPO 年份的公司统计指标，分析全球收入分布的时间变化，并使用 seaborn 库创建多种统计图表。
在 Python 中导入与管理金融数据
课程完成
