Obtenir plusieurs titres et gérer un MultiIndex

Importer et gérer des données financières en Python

Stefan Jansen

Instructor

Obtenir des données pour plusieurs titres

Utilisez les renseignements d'inscription pour choisir plusieurs titres
- P. ex. les 3 plus grandes valeurs par secteur
Utilisez Yahoo! Finance pour récupérer des données pour plusieurs titres
Apprenez à gérer un pandas MultiIndex, un outil puissant pour traiter des ensembles de données plus complexes

Charger les prix des 5 plus grandes sociétés

nasdaq = pd.read_excel('listings.xlsx', sheet_name='nasdaq', na_values='n/a')

nasdaq.set_index('Stock Symbol', inplace=True)

top_5 = nasdaq['Market Capitalization'].nlargest(n=5) # Top 5
top_5.div(1000000) # Market Cap in million USD

AAPL     740024.467000
GOOG     569426.124504
...      ...
Name: Market Capitalization, dtype: float64

tickers = top_5.index.tolist() # Convert index to list

['AAPL', 'GOOG', 'MSFT', 'AMZN', 'FB']

Charger les prix des 5 plus grandes sociétés

df = DataReader(tickers, 'yahoo', start=date(2020, 1, 1))

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 712 entries, 2020-01-02 to 2022-10-27
Data columns (total 30 columns):
 #   Column             Non-Null Count  Dtype  
 --  ------             --------------  -----  
 0   (Adj Close, AAPL)  712 non-null    float64
 1   (Adj Close, GOOG)  712 non-null    float64
 2   (Adj Close, MSFT)  712 non-null    float64
...
 28  (Volume, AMZN)     712 non-null    float64
 29  (Volume, FB)       253 non-null    float64
dtypes: float64(30)
memory usage: 172.4 KB

df = df.stack()

Charger les prix des 5 plus grandes sociétés

df.info()

MultiIndex: 3101 entries, (Timestamp('2020-01-02 00:00:00'), 'AAPL') to (Timestamp('2022-10-27 00:00:00'), 'FB')
Data columns (total 6 columns):
 #   Column     Non-Null Count  Dtype  
 --  ------     --------------  -----  
 0   Adj Close  3101 non-null   float64
...

Reformatez vos données : .unstack()

unstacked = df['Close'].unstack()
unstacked.info()

DatetimeIndex: 712 entries, 2020-01-02 to 2022-10-27
Data columns (total 5 columns):
 #   Column  Non-Null Count  Dtype  
 --  ------  --------------  -----  
 0   AAPL    712 non-null    float64
 1   GOOG    712 non-null    float64
 2   MSFT    712 non-null    float64
 3   AMZN    712 non-null    float64
 4   FB      253 non-null    float64
dtypes: float64(5)
memory usage: 33.4 KB

Du format long au format large

unstacked = df['Close'].unstack() # Results in DataFrame

schéma d'unstack

Cours des actions : visualisation

unstacked.plot(subplots=True)
plt.tight_layout(); plt.show()

sous-graphiques

Passons à la pratique !

Importer et gérer des données financières en Python