TKU_1105 1107_6.1 簡單的實作 Dataset TKU_1105_STU - Google DriveGoogle Drive Description Statistic from google.colab import drive drive.mount('/content/drive') import pandas as pd # 讀取 CSV 文件 file_path = '/content/drive/My Drive/TKU_Semi_36/semi36_Panel_data_with_Company_Code(TKU).csv' df = pd.read_
TKU_1105 1105_5.1 畫幾張線圖 import yfinance as yf import matplotlib.pyplot as plt import pandas as pd # List of companies and their ticker symbols companies = { "NVIDIA": "NVDA", "TSMC": "2330.TW", "Broadcom": "AVGO", "ASML": "ASML", "Samsung Electronics"
TKU_1105 Data Visualization with Python Python 應用於數據視覺化分析 : 在經濟分析的實作 呂宗宜 于 淡江大學產業經濟學系 2024-11-07 Guide TKU_1105 - The Pearldiscovery the pearl underclassThe Pearl 銅期貨在市場中的領先作用TAIEX dynamic simulation 0:00 /1:04 1× 當然可以！以下是一篇以新聞稿風格撰寫的文章，聚焦您的研究發現： 銅價波動是否領先股市？最新研究揭示銅期貨在市場中的領先作用 【台北訊】在全球經濟風險增加及市場波動不斷的背景下，銅期貨價格逐漸被視為全球經濟活動的重要指標。一項最新研究表明，銅價不僅與全球市場密切相關，還可能是台灣股市加權指數（TAIEX）走勢的領先指標。該研究由台灣某大學的經濟學家團隊完成，運用了代理人建模技術，揭示了銅期貨、股市與新聞情緒指數三者之間的複雜互動。 研究背景：銅價的經濟風向標地位 銅，由於其在全球工業生產和基礎設施中的關鍵地位，早已成為全球經濟的「晴雨表」。經濟學家和市場分析師一直關注銅價的波動，以此作為未來經濟增長或衰退的先行指標。
TKU_1105 1105_0 Request FRED API Link 到 FRED Website ( 可用 google account sign in ) St. Louis Fed Web Services: API Keymini fred logo Request or view your API Key API Key 申請完成
TKU_1105 1105_4.10 製作一個 MP4 0:00 /0:20 1× import pandas as pd import matplotlib.pyplot as plt from matplotlib.animation import FuncAnimation from matplotlib.dates import DateFormatter, date2num, num2date import numpy as np # Read the CSV file input_file = '/content/drive/My Drive/TKU_Industry_Analysis_Semiconductor/Dataset_SEMI/semiconductor_merged_1016.
TKU_1105 1105_4.9 Rain Pattern 這張圖表以 雨量圖 的形式展示了 1994 年至 2005 年之間的香港降雨情況。這類圖表通常用來呈現降雨量的變化趨勢，幫助讀者快速了解每年的降雨分佈及極端降雨事件的情況。 圖表的關鍵點： 1. X 軸：年份（從 1994 年到 2005 年），每一行代表一年。 2. Y 軸：降雨量（通常以毫米為單位），具體數值在圖中並未標註，但可以從視覺上判斷降雨的強度。 3. 顏色編碼： * 淺藍色：代表降雨量的日常降水量，顏色的深淺顯示降雨的強度。 * 黃色和橙色：通常表示更強的降雨或極端天氣事件。 * 紅色：可能標示了特別重大的降雨事件，如颱風等。 4. 特別事件標註： * 圖中有幾個標註指出了特定的降雨事件： * 1995 年：被標記為最乾燥的五月，降雨量僅為 20.8 毫米。 * 1998 年 6
TKU_1105 1105_4.8 分向長條圖 2009 年全球各國在小學教育中的性別平等指數（Gender Parity Index），特別是根據調整後的淨入學率來分析男孩和女孩的入學情況。 圖表的關鍵點： 1. X 軸：表示性別平等指數的範圍，從 0.85 到 1.15。 * 0.85 以下：表示男孩入學人數多於女孩。 * 1.00：表示性別平等，即男孩和女孩的入學人數相等。 * 1.05 以上：表示女孩入學人數多於男孩。 2. Y 軸：列出了不同國家，從上到下依次是各國的性別平等指數。 3. 數據解讀： * 巴基斯坦和塔吉克斯坦的性別平等指數最低，約為 0.85，表示這些國家的男孩在小學教育中的入學率明顯高於女孩。 * 韓國和日本的性別平等指數為約 1.05 和 1.10，表示這些國家的女孩在小學教育中的入學率高於男孩，顯示出較好的性別平等情況。 * 馬爾代夫、
TKU_1105 1105_4.7 GDP 與出生時預期壽命的相關性 第一張圖：Income per capita and life expectancy at birth, 2019 * X 軸：展示的是各國的人均 GDP（以 2011 年固定價格，按購買力平價調整）。 * Y 軸：展示的是各國的預期壽命。 * 顏色：代表不同的地理區域： * 藍色：亞洲 * 綠色：非洲 * 淺藍色：歐洲 * 橙色：美洲 * 主要趨勢：圖表展示了人均收入較高的國家（如歐美國家）的預期壽命普遍較高，而人均收入較低的國家，尤其是一些非洲國家，預期壽命較低。整體上，GDP 增加與壽命延長呈正相關，但中間有一些例外，如尼加拉瓜和巴布亞新幾內亞，它們的預期壽命高於同等收入國家的平均水平。 第二張圖：Variable dot sizes show magnitude
TKU_1105 1105_4.6 時間序列 Covid19之後,電影投資人更願意投資風險較低的非原創電影 這張圖表來自 《Financial Times》，主題是 "Less risky franchise films are more likely to appeal to financiers post-coronavirus"，解釋了在電影產業中，原創電影與**非原創（續集、重啟、衍生作品等）**電影在全球票房中的表現。圖表按年份和票房排名展示了每年發行的前 50 部電影。 圖表的關鍵點： 1. X 軸：時間軸，從 1980 年到 2019 年，顯示了每年的電影。 2. Y 軸：票房排名（從 1 到 50），每個點代表該年票房排名中的一部電影。
TKU_1105 1104_4.5 How Chart 量的比較 長條圖-世界第2高峰的死亡率 太陽系九大行星體積 Celestial BodyMean Radius (thousands of km)天體平均半徑 (千公里)SunApproximately 696.34太陽約 696,340JupiterApproximately 69.91木星約 69.911SaturnApproximately 58.23土星約 58.232UranusApproximately 25.36天王星約 25.362NeptuneApproximately 24.62海王星約 24.622EarthApproximately 6.37地球約 6.371VenusApproximately 6.05金星約 6.052MarsApproximately 3.39火星約 3.389MercuryApproximately 2.44水星約 2.439PlutoApproximately 1.19冥王星約 1.
TKU_1105 1105_4.4 汽泡圖 這些圖表展示的是從 2000 年到 2024 年之間每一年第一個交易日，各半導體公司收盤價變動百分比（Y 軸）與市值（氣泡大小及顏色）的情況。 解釋： 1. X 軸：每個圖表的 X 軸展示的是各半導體公司的縮寫（company_abbr），如 TSMC、NVIDIA、Intel 等公司。 2. Y 軸：Y 軸展示的是各公司當日的收盤價變動百分比（Close Price Change%）。這個百分比反映了該公司與前一日相比的股價波動。數值為正表示股價上升，數值為負表示股價下降。 3. 氣泡大小：每個氣泡的大小代表了該公司在當年第一個交易日的市值（Market Cap），市值越大，氣泡越大。 4. 顏色：氣泡的顏色也表示該公司的市值，從紫色到黃色（根據 viridis 色彩映射）
TKU_1105 1105_4.3 散布圖 這張圖是基於不同公司的收盤價（Close Price）與 NVIDIA (NVDA) 的收盤價之間的關係進行分析的圖表，具體來說是二項回歸線與散佈圖的結合。每個子圖表示一家公司與 NVIDIA 的股價變化之間的關聯性。 圖表說明： 1. 橫軸（X 軸）：表示該公司的收盤價（例如 TSMC、AMD 等）。 2. 縱軸（Y 軸）：表示 NVIDIA 的收盤價。 3. 散佈點：每個藍色點代表在特定日期，該公司的收盤價與 NVIDIA 收盤價的關係。 4. 紅色線條：這是基於數據擬合的二項回歸曲線，它展示了兩家公司股價之間的關係趨勢。二項回歸是一種非線性回歸方法，用來捕捉更複雜的數據模式。 具體觀察： 1. 整體趨勢： * 大部分公司的股價與 NVIDIA 的股價之間呈現正相關關係，即當其他公司的股價上升時，NVIDIA 的股價也趨於上升。 * 紅色的回歸線展示了股價之間的趨勢，
TKU_1105 1105_4.2 Area Chart 區域圖 這兩張圖都是區域圖（Area Chart），它們展示了選定的半導體公司從 1996 年至 2024 年 的市值變化(累積)情況。主要區別在於： 1. 第一張圖（包含 NVIDIA）顯示了包括 NVIDIA（NVDA）在內的前五大半導體公司的市值變化。 2. 第二張圖（不包含 NVIDIA）則排除了 NVIDIA，讓我們能更清楚地看到其他公司的市值變化。 第一張圖：Market Cap Change Over Time (With NVDA) * Y 軸單位：Billion USD（十億美元）。 * X 軸：年份，從 1996 年到 2024 年。 * 顯示的公司： * NVDA（
TKU_1105 1105_4.1 Deviation Chart 偏差圖 這張圖展示了各家半導體公司在 2024-10-15 相較於 2023 年年初 的 市值變動（Market Cap Deviation），數據單位是 十億美元（Billion USD）。這些變動數值顯示每家公司在這段時間內的市值增減情況。 圖表解釋： 1. Y 軸：表示市值的變動值，以 十億美元 為單位。正值代表公司市值增加，負值代表公司市值下降。 * 例如，NVIDIA（NVDA）的市值增加了超過 2,000 億美元（2T USD 即 2 兆美元），這表明該公司在 2024 年的市場表現極其強勁。 * 其他公司如 TSMC 和 Broadcom（AVGO）也有較顯著的增長，但相比 NVIDIA，增幅較小。 2.
TKU_1105 1105_03_Visualization Base 1. 偏差 (Deviation) 這一章展示公司市值或股價相較於基準值的偏差。1.1. 柱狀圖：展示各公司市值與基線的偏差（可選擇不同的基準，如年初市值或行業平均市值）。 1.2. 區域圖：展示各公司隨時間的市值變動與基準的偏差。 2. 相關性 (Correlation) 分析不同公司市值、股價與其他因素之間的相關性。2.1. 散佈圖：展示兩家公司之間市值的相關性。 2.2. 氣泡圖：顯示公司市值、市盈率與股價的多變量相關性。 3. 排名 (Ranking) 這一章著重於公司市值或市場影響力的排名。3.1. 條形圖：展示市值排名前十的公司。 3.2. 點陣圖：展示各公司市值隨時間的排名變化。 4. 分佈 (Distribution) 展示公司市值或股價的分佈情況。4.1. 直方圖：展示公司市值的分佈。 4.2.
TKU_1105 1105_02_Dataset and Statistics Description 讀取數據 from google.colab import drive drive.mount('/content/drive') import pandas as pd df = pd.read_csv('/content/drive/My Drive/Semicon_Analysis/semiconductor_merged_1015.csv') 檢視資料結構 print(df.info()) print(df.head()) # 顯示前幾行數據 檢查缺失值 print(df.isnull().sum()) 基本敘述統計 print(df.describe()) 類別變數的分佈
TKU_1105 1105_01_Dataset_Down_F Step 0: 在 Google Drive 建立一個資料夾 /Semicon_Analysis/ Step 1: Mount Google Drive in Colab from google.colab import drive drive.mount('/content/drive') #Check Drive Access !ls /content/drive/My\ Drive/Semicon_Analysis/ Step2 : Coding import yfinance as yf import pandas as pd import os from datetime
Essay Bob Dylan 音歌詞數據可視化 這張圖表題為《Bob Dylan’s Words: Analysis of Bob Dylan’s Vocabulary》，是對 Bob Dylan 音樂作品中歌詞進行詳細分析的數據可視化作品，展示了他不同行期作品的詞彙使用與主題演變。這項作品運用了自然語言處理技術來提取並分析他的歌曲歌詞，通過可視化呈現每張專輯在不同主題範疇中的詞彙分佈情況。 圖表結構與信息 圖中的每個圓形圖表代表 Bob Dylan 在某一年發行的專輯或單曲。從 1962 年的《Bob Dylan》到 2015 年的《The Bootleg Series, Vol. 12》，這些圖表以時間順序排列，覆蓋了 Bob Dylan 長達數十年的創作生涯。 * 放射狀線條：每條線條的長度反映了該專輯在不同主題範疇（如政治、宗教、愛情等）中所使用的詞彙數量。長度越長表示該主題在專輯中佔據了更大的篇幅。 * 詞性符號：根據圖例，
Economic Semiconductor Supply Chain Reading Note, statista report Semi Conductor Supply Chain * IDMs are responsible for all semiconductor manufacturing processes from design to production. * Fabless companies produce their designs for semiconductors but do not own any production facilities. * The actual production (or fabrication) of semiconductors is outsourced to foundry companies. * Chip design, in IDMs
Economic 銅期貨在市場中的領先作用 TAIEX dynamic simulation 0:00 /1:04 1× 銅價波動是否領先股市？最新研究揭示銅期貨在市場中的領先作用 【台北訊】在全球經濟風險增加及市場波動不斷的背景下，銅期貨價格逐漸被視為全球經濟活動的重要指標。一項最新研究表明，銅價不僅與全球市場密切相關，還可能是台灣股市加權指數（TAIEX）走勢的領先指標。運用了代理人建模技術，揭示了銅期貨、股市與新聞情緒指數三者之間的複雜互動。 研究背景：銅價的經濟風向標地位 銅，由於其在全球工業生產和基礎設施中的關鍵地位，早已成為全球經濟的「晴雨表」。經濟學家和市場分析師一直關注銅價的波動，以此作為未來經濟增長或衰退的先行指標。然而，是否能通過銅價變動來準確預測股市，這一直是金融市場中的重要議題。 研究方法：代理人建模與數據分析技術的結合 該研究團隊使用了先進的代理人建模技術，模擬市場參與者如何根據銅價波動、台灣加權指數變化以及新聞情緒指數來做出決策。研究數據涵蓋2022年至2024年期間的日常數據，並將全球多個重大事件納入
