Визуализация распределения данных

Импорт и управление финансовыми данными в Python

Stefan Jansen

Instructor

Всегда смотрите на данные!

Одинаковые метрики могут описывать совершенно разные данные

Знакомство с графиками seaborn

Множество наглядных статистических графиков
На основе matplotlib
Универсальный инструмент: seaborn.distplot()
- Гистограмма
- Оценка плотности ядра (KDE)
- Ковровый график

10-летние казначейские облигации: тренд и распределение

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-летние казначейские облигации: временной тренд

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

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

10-летние казначейские облигации: историческое распределение

import seaborn as sns
sns.distplot(ty10)

10-летние казначейские облигации: тренд и распределение

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

Давайте потренируемся!

Импорт и управление финансовыми данными в Python