Wachstumsraten in Brasilien, China und den USA

Zeit, deine Analyse von den Niveaus des internationalen Pro-Kopf-Einkommens auf die Wachstumsraten auszuweiten. Die Datei 'income_growth.csv' enthält die Wachstumsraten des Pro-Kopf-Einkommens der letzten 40 Jahre für Brasilien, China und die USA.

Du wirst die Verteilung der historischen Wachstumsraten für jedes Land im selben Diagramm mit einem KDE-Plot darstellen, um den Vergleich der Wertebereiche, die diese Märkte in diesem Zeitraum erlebt haben, visuell zu erleichtern.

Ab jetzt im Kurs solltest du dir in der Konsole jedes DataFrame mit .info() ansehen, auch wenn dies nicht ausdrücklich in der Anleitung steht. pandas als pd, seaborn als sns und matplotlib.pyplot als plt wurden importiert.

Diese Übung ist Teil des Kurses

Importing and Managing Financial Data in Python

Kurs anzeigen

Anleitung zur Übung

Lade die Datei 'income_growth.csv' in die Variable growth. Parsen die Spalte 'DATE' als dtype datetime64 und setze sie als Index.
Untersuche die zusammenfassenden Statistiken für diese drei Wachstumsraten mit der passenden Funktion.
Iteriere in einer for-Schleife über das Attribut growth.columns, um auf die Spaltennamen zuzugreifen. Ein Großteil des Codes ist bereits vorgegeben.
- Übergib in jeder Iteration von distplot() die Iterationsvariable column, um die jeweilige Spalte auszuwählen, setze das Keyword hist auf False und label auf column.
- Zeige das Ergebnis an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Load the file into growth
growth = pd.read_csv(____, parse_dates=____).____(____)

# Inspect the summary statistics for the growth rates
growth.____()

# Iterate over the three columns
for column in growth.____:
    sns.____(growth[____], hist=____, label=____)
    
# Show the plot
plt.show()

Code bearbeiten und ausführen