Erwerbsbeteiligung

Die Arbeitslosigkeit könnte sinken, weil die Erwerbsbeteiligung zurückgeht – also weil weniger Menschen Arbeit suchen! In dieser Übung untersuchst du diese Möglichkeit. Du startest mit einem DataFrame lf_by_race, der den prozentualen Anteil der Erwerbsbeteiligung nach Jahr für 25- bis 54-Jährige in vier Bevölkerungsgruppen (White, Black, Asian und Hispanic) und für beide Geschlechter enthält. Du erstellst ein Balkendiagramm der Erwerbsbeteiligung über die Jahre. Um das Balkendiagramm nach demografischer Gruppe aufzuschlüsseln, wirst du den DataFrame zuerst melten. Der DataFrame hat bereits geeignete Spaltennamen.

pandas und seaborn wurden mit den üblichen Aliasen importiert. unemp_by_race ist geladen und fünf Spalten werden in der Konsole angezeigt.

Diese Übung ist Teil des Kurses

<Kurs>Analyse von US-Volkszählungsdaten mit Python</Kurs>

Kurs ansehen

Übungsanweisungen

melte den DataFrame lf_by_race und setze var_name auf "demographic" und value_name auf "labor_force_participation"; kannst du die passende Spalte für den Parameter id_vars bestimmen?
Rufe sns.barplot mit year auf der x-Achse und labor force participation auf der y-Achse auf; verwende dann den Parameter hue, um sex nach year gruppiert darzustellen.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Melt DataFrame by demographic group
lf_by_race = lf_by_race.melt(
        ____,
        ____,
        ____
		)

# Plot labor force particpation by group by year
sns.barplot(____)
plt.show()

Code bearbeiten und ausführen