Tendances de l'inflation en Chine, en Inde et aux États-Unis

Enfin, le paquet seaborn comprend des fonctions qui vous permettent de visualiser la distribution des niveaux de variables catégorielles.

Dans les deux prochains exercices, vous allez examiner les données historiques sur l'inflation en Chine, en Inde et aux États-Unis au cours des 50+ dernières années à partir des données de FRED. Avant d'utiliser les fonctions que vous venez d'apprendre, prenez d'abord le temps de vous familiariser avec les données brutes. pandas sous pd, matplotlib.pyplot sous plt et seaborn sous sns ont été importés pour vous. Les données d'inflation de FRED sont disponibles dans votre espace de travail sous inflation.

Cette activité fait partie du cours

Importer et gérer des données financières en Python

Voir le cours

Instructions de l’exercice

Inspectez inflation au moyen de .info().
Regroupez inflation par 'Country' et assignez le résultat à inflation_by_country.
Dans une boucle for, itérez sur les paires country, data retournées par inflation_by_country. À chaque itération, utilisez .plot() sur data avec title défini à country pour afficher la série chronologique historique.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()

Modifier et exécuter le code