Inflationstrends in China, Indien und den USA

Zum Schluss enthält das Paket seaborn Funktionen, mit denen du die Verteilung der Ausprägungen kategorialer Variablen visualisieren kannst.

In den nächsten beiden Übungen schaust du dir historische Inflationsdaten für China, Indien und die USA der letzten 50+ Jahre aus den FRED-Daten an. Bevor du die Funktionen einsetzt, die du gerade kennengelernt hast, solltest du dich erst mit den Rohdaten vertraut machen. pandas als pd, matplotlib.pyplot als plt und seaborn als sns sind bereits importiert. Die FRED-Inflationsdaten findest du in deinem Workspace als inflation.

Diese Übung ist Teil des Kurses

Importing and Managing Financial Data in Python

Kurs anzeigen

Anleitung zur Übung

Untersuche inflation mit .info().
Gruppiere inflation nach 'Country' und weise das Ergebnis inflation_by_country zu.
Iteriere in einer for-Schleife über die von inflation_by_country zurückgegebenen Paare country, data. Verwende in jeder Iteration .plot() auf data und setze title auf country, um die historische Zeitreihe anzuzeigen.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Inspect the inflation data
inflation.____()

# Create inflation_by_country
inflation_by_country = inflation.____(____)

# Iterate over inflation_by_country and plot the inflation time series per country
for country, data in inflation_by_country:
    # Plot the data
    data.____(____=____)
    # Show the plot
    plt.show()

Code bearbeiten und ausführen