Tendencias de inflación en China, India y EE. UU.

Por último, el paquete seaborn incluye funciones que te permiten visualizar la distribución de niveles de variables categóricas.

En los dos próximos ejercicios, vas a examinar la inflación histórica de China, India y EE. UU. en los últimos 50+ años con datos de FRED. Antes de lanzarte a usar las funciones que acabas de aprender, conviene que te familiarices con los datos en bruto. pandas como pd, matplotlib.pyplot como plt y seaborn como sns ya se han importado por ti. Los datos de inflación de FRED están en tu espacio de trabajo como inflation.

Este ejercicio forma parte del curso

Importación y gestión de datos financieros en Python

Ver curso

Instrucciones del ejercicio

Inspecciona inflation usando .info().
Agrupa inflation por 'Country' y asigna el resultado a inflation_by_country.
En un bucle for, itera sobre los pares country, data que devuelve inflation_by_country. En cada iteración, usa .plot() sobre data con title establecido a country para mostrar la serie temporal histórica.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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()

Editar y ejecutar código