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
<Kurs>Zeitreihendaten in Python visualisieren</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# 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()