Nezaměstnanost
Nezaměstnanost se liší podle rasy a pohlaví. V tomto cvičení začneš s DataFrame unemp_by_race, který obsahuje procentuální míru nezaměstnanosti podle roku pro osoby ve věku 25 až 54 let ve čtyřech rasových skupinách (bílí, černí, asijští a hispánští) a pro obě pohlaví. Vytvoříš sloupcový graf zobrazující procentuální míru nezaměstnanosti v závislosti na roce.
Protože názvy sloupců se po operaci melt stanou popisky ve výsledném grafu, začni tím, že jim přiřadíš kratší a přehlednější názvy. Potřebný kód je připravený na začátku cvičení.
pandas a seaborn jsou importovány pod obvyklými aliasy. DataFrame unemp_by_race je načtený a slovník, který použiješ pro přejmenování, je zobrazený v konzoli.
Toto cvičení je součástí kurzu
Analýza dat amerického sčítání lidu v Pythonu
Pokyny k cvičení
- Aplikuj
meltna DataFrameunemp_by_race: nastavid_varsna"year"a odstraň parametrvalue_vars, aby se jako hodnotové sloupce použily všechny zbývající sloupce. - Vytvoř sloupcový graf z
unemp_by_races rokem na ose x a procentuální mírou nezaměstnanosti na ose y; parametrhuenastav podle demografické skupiny.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Rename columns
unemp_by_race.rename(columns = col_rename, inplace = True)
# Melt DataFrame by demographic group
unemp_by_race = unemp_by_race.melt(id_vars = ____, value_vars = ____,
var_name = "demographic", value_name = "pct_unemployed")
# Plot unemployment by group by year
sns.barplot(x = ____, y = ____, hue = ____, data = unemp_by_race)
plt.show()