Distribuții pe categorii cu seaborn

Importul și gestionarea datelor financiare în Python

Stefan Jansen

Instructor

Distribuții pe categorii

Segmentul anterior: Statistici sumare
Număr de observații, medie pe categorie
Acum: Vizualizați distribuția unei variabile pe nivelurile unei variabile categorice
Exemplu: Distribuția capitalizării bursiere pe sector sau an IPO
Mai mult detaliu decât statisticile sumare

Curățarea datelor: eliminarea valorilor aberante

nasdaq = pd.read_excel('listings.xlsx', sheet_name='nasdaq', 
                        na_values='n/a')
nasdaq['market_cap_m'] = nasdaq['Market Capitalization'].div(1e6)

nasdaq = nasdaq[nasdaq.market_cap_m > 0] # Active companies only

outliers = nasdaq.market_cap_m.quantile(.9) # Outlier threshold

nasdaq = nasdaq[nasdaq.market_cap_m < outliers] # Remove outliers

Boxplot: cuartile și valori aberante

import seaborn as sns
sns.boxplot(x='Sector', y='market_cap_m', data=nasdaq)
plt.xticks(rotation=75);

O variantă: SwarmPlot

sns.swarmplot(x='Sector', y='market_cap_m', data=nasdaq)
plt.xticks(rotation=75)
plt.show()

Să exersăm!

Importul și gestionarea datelor financiare în Python