Visualisasikan distribusi data Anda

Mengimpor dan Mengelola Data Keuangan di Python

Stefan Jansen

Instructor

Selalu lihat data Anda!

Metrik yang sama dapat mewakili data yang sangat berbeda

selalu lihat

Mengenal plot seaborn

Banyak plot statistik yang menarik dan informatif
Dibangun di atas matplotlib
Serbaguna: seaborn.distplot()
- Histogram
- Kernel Density Estimation (KDE)
- Rugplot

Treasury 10 tahun: tren dan distribusi

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
...

Treasury 10 tahun: tren runtun waktu

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

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

Treasury 10 tahun

Treasury 10 tahun: distribusi historis

import seaborn as sns
sns.distplot(ty10)

Histori 10 tahun

Treasury 10 tahun: tren dan distribusi

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

Kerapatan 10 tahun

Ayo berlatih!

Mengimpor dan Mengelola Data Keuangan di Python