Arbeitslosigkeit
Arbeitslosigkeit variiert nach ethnischer Zugehörigkeit und Geschlecht. In dieser Aufgabe startest du mit einem DataFrame unemp_by_race, der den prozentualen Anteil der Arbeitslosen nach Jahr für 25- bis 54-Jährige in vier Gruppen (White, Black, Asian und Hispanic) und beiden Geschlechtern enthält. Du erstellst ein Balkendiagramm mit dem prozentualen Anteil der Arbeitslosen über die Jahre.
Da die Spaltennamen nach dem Melten zu Beschriftungen in deinem finalen Plot werden, gib ihnen zunächst kürzere und klarere Namen. Der nötige Code steht am Anfang der Aufgabe bereit.
pandas und seaborn wurden mit den üblichen Aliassen importiert. unemp_by_race ist geladen, und das Dict, das du zum Umbenennen verwendest, wird in der Konsole angezeigt.
Diese Übung ist Teil des Kurses
Analyse von US-Volkszählungsdaten mit Python
Anleitung zur Übung
- Wende
meltauf den DataFrameunemp_by_racean; setzeid_varsauf"year", und lass den Parametervalue_varsweg, um alle verbleibenden Spalten als Wertespalten zu verwenden - Erstelle ein Balkendiagramm von
unemp_by_race, mit dem Jahr auf der x-Achse und dem Prozentanteil der Arbeitslosen auf der y-Achse;huewird durch die demografische Gruppe bestimmt
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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()