Použití .melt() k přetvoření vládních dat

Úřad pro pracovní statistiku USA (BLS) často poskytuje datové řady ve snadno čitelném formátu – každý měsíc má samostatný sloupec a každý rok tvoří jeden řádek. Tento široký formát ale ztěžuje zobrazení dat v čase. V tomto cvičení převedeš tabulku s daty o míře nezaměstnanosti v USA z BLS do podoby vhodné pro vykreslení grafu pomocí .melt(). Budeš muset přidat sloupec s datem a seřadit tabulku, aby se data zobrazila správně.

Data o míře nezaměstnanosti jsou načtena v tabulce ur_wide. Před začátkem cvičení si ji klidně prozkoumej.

Toto cvičení je součástí kurzu

Joining Data with pandas

Zobrazit kurz

Pokyny k cvičení

Pomocí .melt() unpivotuj všechny sloupce ur_wide kromě year a zajisti, aby sloupce s měsíci a hodnotami byly pojmenovány month a unempl_rate. Výsledek ulož jako ur_tall.
Přidej do ur_tall sloupec date, který spojí sloupce year a month do řetězce ve formátu rok-měsíc a převede ho na datový typ datum.
Seřaď ur_tall podle data a ulož jako ur_sorted.
Pomocí ur_sorted vykresli graf s unempl_rate na ose y a date na ose x.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# unpivot everything besides the year column
ur_tall = ____


# Create a date column using the month and year columns of ur_tall
ur_tall['date'] = pd.to_datetime(ur_tall['____'] + '-' + ____)

# Sort ur_tall by date in ascending order
ur_sorted = ____

# Plot the unempl_rate by date
ur_sorted.plot(____)
plt.show()

Upravit a spustit kód