Mindestlohn nach Region

Zusammenfassende Statistiken gruppierter Daten anzuschauen, ist eine super Möglichkeit, um potenzielle Unterschiede und Gemeinsamkeiten zwischen Gruppen zu erkennen. Kombiniere das mit dem @chain-Makro, und du bekommst gut lesbaren Code!

In dieser Übung schaust du dir erneut die Entwicklung des US-Mindestlohns an. Da 50 Bundesstaaten plus Washington, D.C., zu viel wären, betrachtest du die vier Regionen der Vereinigten Staaten – Northeast, Midwest, South und West. Der Datensatz wurde als wages geladen.

Schauen wir uns an, wie die einzelnen Regionen mit dem Mindestlohn umgehen!

Die Pakete DataFrames, Statistics, Chain und Plots wurden mit dem Schlüsselwort using für dich geladen.

Diese Übung ist Teil des Kurses

Datenmanipulation in Julia

Kurs anzeigen

Anleitung zur Übung

Erstelle ein Chain-Makro auf dem DataFrame wages und speichere das Ergebnis als regions_wage.
Gruppe innerhalb des Makros nach den Spalten region und year.
Berechne den Median von effective_min_wage_2020_dollars und benenne die Spalte median_effective_wage_2020.
Unstacke das Ergebnis so, dass die Zeilen den Jahren, die Spalten den Regionen und die Werte dem Medianlohn entsprechen.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create the chain macro
regions_wage = ____

	# Group by region and year
    groupby(____)

	# Calculate the median wage per region per year
    combine(____)

	# Reshape the result
    ____
end

make_plot(regions_wage)

Code bearbeiten und ausführen