Wizualizacja rozkładu danych

Importowanie i zarządzanie danymi finansowymi w Pythonie

Stefan Jansen

Instructor

Zawsze analizuj swoje dane!

Identyczne miary mogą opisywać bardzo różne dane

Zawsze analizuj dane

Wprowadzenie do wykresów seaborn

Wiele atrakcyjnych i przejrzystych wykresów statystycznych
Oparty na matplotlib
Szwajcarski scyzoryk: seaborn.distplot()
- Histogram
- Estymacja gęstości jądrowej (KDE)
- Rugplot

10-letnie obligacje: trend i rozkład

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-letnie obligacje: trend szeregu czasowego

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

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

Wykres szeregu czasowego 10-letnich obligacji

10-letnie obligacje: rozkład historyczny

import seaborn as sns
sns.distplot(ty10)

Histogram 10-letnich obligacji

10-letnie obligacje: trend i rozkład

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

Wykres gęstości 10-letnich obligacji

Czas na ćwiczenia!

Importowanie i zarządzanie danymi finansowymi w Pythonie