259 KiB
259 KiB
Старт¶
Выгрузка данных из csv файла в датафрейм
In [1]:
import pandas as pd
df = pd.read_csv("static/csv/TSLA.csv")
print(df)
Диаграмма рассеивания. Взаимосвязь между количеством акций и их стоимостью. По данной диаграмме видно, что чем больше кол-во акций, чем выше стоимость.
In [2]:
import matplotlib.pyplot as plt
df_reduced = df.iloc[::15]
plt.figure(figsize=(10, 6))
plt.scatter(df_reduced['Shares'], df_reduced['Value ($)'], alpha=0.5)
plt.title('Взаимосвязь между количеством акций и их стоимостью')
plt.xlabel('Количество акций (Shares)')
plt.ylabel('Стоимость ($)')
plt.grid(True)
plt.show()
Объем продаж акций по датам. По этой диаграмме можно сказать, что каждые 2 месяца продажи растут.
In [11]:
df['Date'] = pd.to_datetime(df['Date']) # Преобразуем столбец Date в datetime
sales_by_date = df.groupby('Date')['Value ($)'].sum().iloc[::3]
plt.figure(figsize=(12, 6))
plt.plot(sales_by_date.index, sales_by_date.values, marker='o')
plt.title('Объем продаж акций по датам')
plt.xlabel('Дата')
plt.ylabel('Объем продаж ($)')
plt.grid(True)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
Распределение количества транзакций по должностям. По данной диаграмме понятно, что должность CEO выполняет большее кол-во транзакций.
In [21]:
transactions_by_position = df['Relationship'].value_counts()
plt.figure(figsize=(10, 6))
transactions_by_position.plot(kind='bar')
plt.title('Распределение количества транзакций по должностям')
plt.xlabel('Должность')
plt.ylabel('Количество транзакций')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
