Monatliche und jährliche Trends plotten
Wie wir in Kapitel 2 gesehen haben, kannst du bei einem DataFrame mit einem Index vom Typ datetime direkt den Tag, Monat oder das Jahr aus jedem Datum im Index extrahieren. Zur Erinnerung: Das Jahr jedes Datums im Index erhältst du über das Attribut .index.year. Anschließend kannst du mit den Methoden .groupby() und .mean() den jährlichen Mittelwert jeder Zeitreihe in deinem DataFrame berechnen:
index_year = df.index.year
df_by_year = df.groupby(index_year).mean()
Jetzt wendest du das Gelernte an, um die aggregierten Mittelwerte jeder Zeitreihe im DataFrame jobs anzuzeigen.
Diese Übung ist Teil des Kurses
Zeitreihendaten in Python visualisieren
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Extract the month from the index of jobs
index_month = ____.____.____
# Compute the mean unemployment rate for each month
jobs_by_month = ____.____(____).____()
# Plot the mean unemployment rate for each month
ax = ____.plot(fontsize=6, linewidth=1)
# Set axis labels and legend
ax.set_xlabel('Month', fontsize=10)
ax.set_ylabel('Mean unemployment rate', fontsize=10)
ax.legend(bbox_to_anchor=(0.8, 0.6), fontsize=10)
plt.show()