Umformung von Behördendaten mit .melt()

Das Bureau of Labor Statistics (BLS) in den USA stellt oft Datenreihen in einem leicht lesbaren Format zur Verfügung – es hat für jeden Monat eine eigene Spalte und jedes Jahr ist eine eigene Zeile. Leider macht es dieses breite Format schwierig, diese Informationen im Zeitverlauf darzustellen. In dieser Übung wirst du mit .melt() eine Tabelle des BLS mit Daten zur US-Arbeitslosenquote in ein Format umwandeln, das du visualisieren kannst. Du musst der Tabelle eine Datumsspalte hinzufügen und nach ihr sortieren, um die Daten korrekt darzustellen.

Die Daten zur Arbeitslosenquote wurden für dich in eine Tabelle namens ur_wide geladen. Schau dir diese Tabelle am besten genauer an, bevor du mit der Übung beginnst.

Diese Übung ist Teil des Kurses

Daten mit pandas verknüpfen

Kurs anzeigen

Anleitung zur Übung

Verwende .melt(), um alle Spalten von ur_wide mit Ausnahme von year zu entpivotieren, und stelle sicher, dass die Spalten mit den Monaten und Werten month bzw. unempl_rate heißen. Speichere das Ergebnis als ur_tall.
Füge eine Spalte namens date zu ur_tall hinzu, die die Spalten year und month im Jahr-Monat-Format zu einer größeren Zeichenkette kombiniert und in einen Datumsdatentyp konvertiert.
Sortiere ur_tall nach Datum und speichere dies als ur_sorted.
Erstelle für ur_sorted ein Diagramm mit unempl_rate auf der y-Achse und date auf der x-Achse.

Interaktive Übung

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

# unpivot everything besides the year column
ur_tall = ____


# Create a date column using the month and year columns of ur_tall
ur_tall['date'] = pd.to_datetime(ur_tall['____'] + '-' + ____)

# Sort ur_tall by date in ascending order
ur_sorted = ____

# Plot the unempl_rate by date
ur_sorted.plot(____)
plt.show()

Code bearbeiten und ausführen