Résumez vos données avec des stats descriptives

Importer et gérer des données financières en Python

Stefan Jansen

Instructor

Maîtrisez vos données

  • Objectif : saisir les caractéristiques quantitatives clés
  • Angles à examiner :
    • Tendance centrale : quelles valeurs sont « typiques » ?
    • Dispersion : y a‑t‑il des valeurs aberrantes ?
    • Distribution globale des variables individuelles
Importer et gérer des données financières en Python

Tendance centrale

  • Moyenne : $\displaystyle \bar{x} = \frac{1}{n}\sum_{i=1}^n x_i$
  • Médiane : 50 % des valeurs plus petites/plus grandes
  • Mode : valeur la plus fréquente

Distribution symétrique

Importer et gérer des données financières en Python

Tendance centrale

  • Moyenne : $\displaystyle \bar{x} = \frac{1}{n}\sum_{i=1}^n x_i$
  • Médiane : 50 % des valeurs plus petites/plus grandes
  • Mode : valeur la plus fréquente

Distribution asymétrique

Importer et gérer des données financières en Python

Tendance centrale

  • Moyenne : $\displaystyle \bar{x} = \frac{1}{n}\sum_{i=1}^n x_i$
  • Médiane : 50 % des valeurs plus petites/plus grandes
  • Mode : valeur la plus fréquente

Distribution bimodale

Importer et gérer des données financières en Python

Calculer des statistiques récapitulatives

nasdaq = pd.read_excel('listings.xlsx', sheet_name='nasdaq', na_values='n/a')
market_cap = nasdaq['Market Capitalization'].div(10**6)
market_cap.mean()
3180.7126214953805
market_cap.median()
225.9684285
market_cap.mode()
0.0
Importer et gérer des données financières en Python

Calculer des statistiques récapitulatives

marketcaphist.png

Importer et gérer des données financières en Python

Dispersion

  • Variance : somme des écarts au carré à la moyenne, divisée par $n-1$
    • $\displaystyle var = \frac{1}{n-1}\sum_{i=1}^n(x_i-\bar{x})^2$
  • Écart type : racine carrée de la variance
    • $\displaystyle sd = \sqrt{var}$

marketcapvar.png

Importer et gérer des données financières en Python

Calculer variance et écart type

variance = market_cap.var()
print(variance)
648773812.8182
np.sqrt(variance)
25471.0387
market_cap.std()
25471.0387
Importer et gérer des données financières en Python

Passons à la pratique !

Importer et gérer des données financières en Python

Preparing Video For Download...