Distributions par catégorie avec seaborn

Importer et gérer des données financières en Python

Stefan Jansen

Instructor

Distributions par catégorie

Dernier segment : statistiques sommaires
Nombre d'observations, moyenne par catégorie
Maintenant : visualiser la distribution d'une variable selon une variable catégorielle pour comparer
Exemple : distribution de la capitalisation boursière par secteur ou année d'entrée en bourse (IPO)
Plus détaillé que les stats sommaires

Nettoyer les données : retirer les valeurs aberrantes

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

Boîte à moustaches : quartiles et valeurs aberrantes

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

Variante : nuage d'abeilles (SwarmPlot)

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

Passons à la pratique !

Importer et gérer des données financières en Python