from datetime import datetime
print(f'Päivitetty {datetime.now()}')
Päivitetty 2024-03-22 15:11:12.773353
Econdb https://www.econdb.com/ sisältää talouteen liittyviä indikaattoreita (Inflation, Real GDP, Industrial production jne.). Sieltä voit hakea tietyn aikasarjan ja Export-toiminnolla saat Python koodin aikasarjan noutamiseksi Pythoniin.
Seuraavaa esimerkkiä varten valitsin Econdb:n etusivulta indikaattoriksi Real GDP ja tämän jälkeen alueeksi Europe - Finland. Vastaavalla tavalla etsin Ruotsin bkt:n liittyvän aikasarjan.
import pandas as pd
import matplotlib.pyplot as plt
# Suomen bruttokansantuotteen reaaliarvot
df1 = pd.read_csv(
'https://www.econdb.com/api/series/RGDPFI/?format=csv&token=cf0f7bfc258b3e2385ce8636d8ea32354b4aa389',
index_col='Date', parse_dates=['Date'])
# Ruotsin bruttokansantuotteen reaaliarvot
df2 = pd.read_csv(
'https://www.econdb.com/api/series/RGDPSE/?format=csv&token=734cfbaeb40b6158183af0fc4842e14c589bbb83',
index_col='Date', parse_dates=['Date'])
# Yhdistetään datat ja muutetaan arvot muutosprosenteiksi
df = pd.concat([df1.pct_change()*100, df2.pct_change()*100], axis=1)
df.columns = ['Finland', 'Sweden']
df
Finland | Sweden | |
---|---|---|
Date | ||
1990-01-01 | NaN | NaN |
1990-04-01 | -1.376300 | NaN |
1990-07-01 | -2.142595 | NaN |
1990-10-01 | -0.573305 | NaN |
1991-01-01 | -1.950046 | NaN |
... | ... | ... |
2022-10-01 | -0.647609 | -0.963304 |
2023-01-01 | -0.245941 | 0.730845 |
2023-04-01 | 0.544818 | -0.684536 |
2023-07-01 | -1.088876 | -0.101964 |
2023-10-01 | -0.814812 | -0.059520 |
136 rows × 2 columns
# BKT:n muutosprosentit viivakaaviona
df.plot()
plt.axhline(y=0, color = 'black', linewidth = 1, linestyle = '--')
plt.title('BKT:n muutokset vuosineljänneksittäin')
plt.ylabel('Muutosprosentti')
Text(0, 0.5, 'Muutosprosentti')