CommencezCommencez gratuitement

Utiliser .melt() pour remodeler des données gouvernementales

Le Bureau of Labor Statistics (BLS) des États‑Unis publie souvent des séries de données dans un format facile à lire : une colonne distincte pour chaque mois, et chaque année sur une ligne différente. Malheureusement, ce format large complique la visualisation de l'information dans le temps. Dans cet exercice, vous allez remodeler un tableau du taux de chômage américain issu du BLS en un format que vous pourrez tracer à l'aide de .melt(). Vous devrez ajouter une colonne de date au tableau et trier selon celle‑ci pour tracer correctement les données.

Les données du taux de chômage ont été chargées pour vous dans un tableau nommé ur_wide. Nous vous invitons à explorer ce tableau avant de commencer l'exercice.

Cette activité fait partie du cours

Assembler des données avec pandas

Voir le cours

Instructions de l’exercice

  • Utilisez .melt() pour dépivoter toutes les colonnes de ur_wide sauf year et assurez‑vous que les colonnes des mois et des valeurs se nomment respectivement month et unempl_rate. Enregistrez le résultat dans ur_tall.
  • Ajoutez à ur_tall une colonne nommée date qui combine les colonnes year et month au format année-mois dans une chaîne plus longue, puis la convertit en type date.
  • Triez ur_tall par la date et enregistrez le résultat dans ur_sorted.
  • À partir de ur_sorted, tracez unempl_rate sur l'axe des y et date sur l'axe des x.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()
Modifier et exécuter le code