Utilizar .melt() para remodelar datos gubernamentales

El US Bureau of Labor Statistics (BLS) suele proporcionar series de datos en un formato fácil de leer: tiene una columna distinta para cada mes, y cada año es una fila diferente. Desgraciadamente, este amplio formato dificulta el trazado de esta información a lo largo del tiempo. En este ejercicio, reestructurarás una tabla de datos de la tasa de desempleo de EE. UU. del BLS en una forma que puedas representar gráficamente utilizando .melt(). Tendrás que añadir una columna de fecha a la tabla y ordenar por ella para trazar los datos correctamente.

Los datos de la tasa de paro se han cargado para ti en una tabla llamada ur_wide. Te animamos a que explores esta tabla antes de empezar el ejercicio.

Este ejercicio forma parte del curso

Unir datos con pandas

Ver curso

Instrucciones de ejercicio

Utiliza .melt() para anular la dinamización de todas las columnas de ur_wide excepto year y asegúrate de que las columnas con los meses y los valores se denominan month y unempl_rate, respectivamente. Guarda el resultado como ur_tall.
Añade una columna a ur_tall llamada date que combine las columnas year y month como formato año-mes en una cadena mayor, y la convierta en un tipo de datos de fecha.
Ordena ur_tall por fecha y guárdalo como ur_sorted.
Utilizando ur_sorted, traza unempl_rate en el eje y y date en el eje x.

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

# 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()

Editar y ejecutar código