Taux de croissance au Brésil, en Chine et aux États-Unis
Il est temps d'élargir votre analyse au-delà des niveaux de revenu par habitant international pour examiner les taux de croissance. Le fichier 'income_growth.csv' contient les taux de croissance du revenu par habitant des 40 dernières années pour le Brésil, la Chine et les États-Unis.
Vous allez tracer la distribution des taux de croissance historiques de chaque pays sur le même graphique au moyen d'un tracé KDE afin de faciliter la comparaison visuelle des plages de croissance observées sur cette période dans ces marchés.
À partir de maintenant dans le cours, vous devriez toujours examiner tout DataFrame avec .info() dans votre console, même si ce n'est pas mentionné explicitement dans les consignes. pandas comme pd, seaborn comme sns et matplotlib.pyplot comme plt ont été importés.
Cette activité fait partie du cours
Importer et gérer des données financières en Python
Instructions de l’exercice
- Chargez le fichier
'income_growth.csv'dans la variablegrowth. Analysez la colonne'DATE'au typedtypedatetime64et définissez-la comme index. - Examinez les statistiques sommaires de ces trois taux de croissance à l'aide de la fonction appropriée.
- Itérez sur l'attribut
growth.columnsdans une boucle for pour accéder à leurs étiquettes. La majeure partie du code est déjà esquissée pour vous.- À chaque itération de
distplot(), passez la variable d'itérationcolumnpour sélectionner la colonne correspondante, réglez le paramètrehistàFalseet définissezlabelàcolumn. - Affichez le résultat.
- À chaque itération de
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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()