Chômage
Le taux de chômage varie selon la race et le sexe. Dans cet exercice, vous partirez d'un DataFrame, unemp_by_race, qui contient le pourcentage de chômage par année pour les personnes de 25 à 54 ans dans quatre groupes raciaux (Blanc, Noir, Asiatique et Hispanique) et pour les deux sexes. Vous créerez un diagramme à barres du pourcentage de chômage en fonction de l'année.
Comme, après l'opération de « melting », les noms de colonnes deviendront des étiquettes dans votre graphique final, commencez par donner des noms de colonnes plus courts et plus clairs. Le code nécessaire est fourni au début de l'exercice.
pandas et seaborn ont été importés avec les alias habituels. unemp_by_race est chargé, et le dict que vous utiliserez pour le renommage est affiché dans la console.
Cette activité fait partie du cours
Analyser les données du recensement des États-Unis avec Python
Instructions de l’exercice
- Appliquez
meltau DataFrameunemp_by_race; définissezid_varsà"year"et retirez le paramètrevalue_varspour utiliser toutes les autres colonnes comme colonnes de valeurs - Créez un diagramme à barres à partir de
unemp_by_race, avec l'année sur l'axe des x et le pourcentage de chômeurs sur l'axe des y, en définissanthueselon le groupe démographique
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Rename columns
unemp_by_race.rename(columns = col_rename, inplace = True)
# Melt DataFrame by demographic group
unemp_by_race = unemp_by_race.melt(id_vars = ____, value_vars = ____,
var_name = "demographic", value_name = "pct_unemployed")
# Plot unemployment by group by year
sns.barplot(x = ____, y = ____, hue = ____, data = unemp_by_race)
plt.show()