Visualiseer de verdeling van je data

Financiële data importeren en beheren in Python

Stefan Jansen

Instructor

Kijk altijd naar je data!

Identieke statistieken kunnen heel verschillende data weergeven

kijk altijd

Kennismaking met seaborn-plots

Veel aantrekkelijke en informatieve statistische plots
Gebaseerd op matplotlib
Zwitsers zakmes: seaborn.distplot()
- Histogram
- Kernel Density Estimation (KDE)
- Rugplot

10-jaars Treasury: trend en verdeling

ty10 = web.DataReader('DGS10', 'fred', date(1962, 1, 1))
ty10.info()

DatetimeIndex: 15754 entries, 1962-01-02 to 2022-05-20
Data columns (total 1 columns):
 #   Column  Non-Null Count  Dtype  
 --  ------  --------------  -----  
 0   DGS10   15083 non-null  float64

ty10.describe()

              DGS10
mean       6.291073
std        2.851161
min        1.370000
25%        4.190000
50%        6.040000
...

10-jaars Treasury: tijdreekstrend

ty10.dropna(inplace=True) # Avoid creation of copy

ty10.plot(title='10-year Treasury'); plt.tight_layout()

10-jaars tijdreeks

10-jaars Treasury: historische verdeling

import seaborn as sns
sns.distplot(ty10)

Histogram 10 jaar

10-jaars Treasury: trend en verdeling

ax = sns.distplot(ty10)
ax.axvline(ty10['DGS10'].median(), color='black', ls='--')

Dichtheid 10 jaar

Laten we oefenen!

Financiële data importeren en beheren in Python