Tracer les tendances mensuelles et annuelles
Comme nous l'avons vu au chapitre 2, lorsque l'index d'un DataFrame est de type datetime, il est possible d'extraire directement le jour, le mois ou l'année de chaque date de l'index. Pour rappel, vous pouvez extraire l'année de chaque date de l'index avec l'attribut .index.year. Vous pouvez ensuite utiliser les méthodes .groupby() et .mean() pour calculer la valeur moyenne annuelle de chaque série chronologique dans votre DataFrame :
index_year = df.index.year
df_by_year = df.groupby(index_year).mean()
Vous allez maintenant mettre en pratique ce que vous avez appris pour afficher les valeurs moyennes agrégées de chaque série chronologique dans le DataFrame jobs.
Cette activité fait partie du cours
Visualiser des séries chronologiques en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Extract the month from the index of jobs
index_month = ____.____.____
# Compute the mean unemployment rate for each month
jobs_by_month = ____.____(____).____()
# Plot the mean unemployment rate for each month
ax = ____.plot(fontsize=6, linewidth=1)
# Set axis labels and legend
ax.set_xlabel('Month', fontsize=10)
ax.set_ylabel('Mean unemployment rate', fontsize=10)
ax.legend(bbox_to_anchor=(0.8, 0.6), fontsize=10)
plt.show()