Tasas de crecimiento en Brasil, China y EE. UU.

Es hora de ampliar tu análisis más allá de los niveles de renta per cápita internacional y pasar a las tasas de crecimiento. El archivo 'income_growth.csv' contiene las tasas de crecimiento de la renta per cápita de los últimos 40 años para Brasil, China y EE. UU.

Vas a representar la distribución de las tasas de crecimiento históricas de cada país en el mismo gráfico usando un KDE para facilitar la comparación visual de los rangos de crecimiento que han experimentado estos mercados en este periodo.

A partir de este punto del curso, deberías inspeccionar siempre cualquier DataFrame con .info() en tu consola aunque no esté indicado explícitamente en las instrucciones. pandas como pd, seaborn como sns y matplotlib.pyplot como plt ya se han importado.

Este ejercicio forma parte del curso

Importación y gestión de datos financieros en Python

Ver curso

Instrucciones del ejercicio

Carga el archivo 'income_growth.csv' en la variable growth. Analiza la columna 'DATE' como dtype datetime64 y establécela como índice.
Inspecciona las estadísticas descriptivas de estas tres tasas de crecimiento usando la función adecuada.
Itera sobre el atributo growth.columns en un bucle for para acceder a sus etiquetas. La mayor parte del código ya está esbozada.
- En cada iteración de distplot(), pasa la variable de iteración column para seleccionar la columna correspondiente, establece el parámetro hist en False y asigna label a column.
- Muestra el resultado.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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()

Editar y ejecutar código