Globales Median-Einkommen pro Kopf im Zeitverlauf

Die seaborn-Funktion barplot() zeigt Punktschätzungen und Konfidenzintervalle als Balken; standardmäßig wird der Mittelwert dargestellt, aber du kannst auch eine andere Kennzahl anzeigen, indem du eine entsprechende numpy-Funktion an den Parameter estimator übergibst:

seaborn.barplot(x=None, y=None, data=None, estimator=<function mean>, ...)

In dieser Übung verwendest du einen importierten Datensatz der Weltbank mit globalen Pro-Kopf-Einkommensdaten für 189 Länder seit dem Jahr 2000. Um das Anzeigen von Kennzahlen pro Kategorie zu üben, wirst du das mediane globale Pro-Kopf-Einkommen seit 2000 im Vergleich zum Mittelwert darstellen und vergleichen.

pandas als pd, numpy als np, matplotlib.pyplot als plt und seaborn als sns wurden importiert. Die globalen Einkommensdaten stehen dir in deinem Workspace als income_trend zur Verfügung.

Diese Übung ist Teil des Kurses

Importing and Managing Financial Data in Python

Kurs anzeigen

Anleitung zur Übung

Inspiziere income_trend mit .info().
Erstelle ein sns.barplot() mit der Spalte 'Year' als x und 'Income per Capita' als y, und zeige das Ergebnis an, nachdem du die xticks um 45 Grad gedreht hast.
Verwende plt.close() nach dem ersten plt.show(), damit du ein zweites Diagramm anzeigen kannst.
Erstelle ein zweites sns.barplot() mit denselben Einstellungen für x und y, verwende estimator=np.median, um den Median zu berechnen, und zeige das Ergebnis an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Inspect the data
income_trend.____()

# Create barplot
sns.barplot(x=____, y='Income per Capita', data=____)

# Rotate xticks
plt.____(____=____)

# Show the plot
plt.show()

# Close the plot
plt.close()

# Create second barplot
sns.barplot(x=____, y='Income per Capita', data=____, estimator=____)

# Rotate xticks
plt.____(____)

# Show the plot
plt.show()

Code bearbeiten und ausführen