Participation à la population active

Le chômage peut baisser parce que la participation à la population active diminue, c’est‑à‑dire que moins de personnes recherchent un emploi ! Dans cet exercice, vous allez examiner cette hypothèse. Vous partirez d’un DataFrame, lf_by_race, contenant le pourcentage de participation à la population active par année pour les 25 à 54 ans dans quatre groupes raciaux (White, Black, Asian et Hispanic) et pour les deux sexes. Vous créerez un diagramme en barres de la participation à la population active en fonction de l’année. Pour conditionner le diagramme par groupe démographique, vous allez d’abord appliquer melt au DataFrame. Le DataFrame possède déjà des noms de colonnes adaptés.

pandas et seaborn ont été importés avec les alias habituels. unemp_by_race est chargé et cinq colonnes sont affichées dans la console.

Cet exercice fait partie du cours

Analyzing US Census Data in Python

Afficher le cours

Instructions

Appliquez melt au DataFrame lf_by_race, en définissant var_name sur "demographic" et value_name sur "labor_force_participation" ; pouvez-vous déterminer la colonne appropriée pour le paramètre id_vars ?
Appelez sns.barplot avec l’année sur l’axe des x et la participation à la population active sur l’axe des y ; utilisez ensuite le paramètre hue pour afficher le sexe regroupé par année.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Melt DataFrame by demographic group
lf_by_race = lf_by_race.melt(
        ____,
        ____,
        ____
		)

# Plot labor force particpation by group by year
sns.barplot(____)
plt.show()

Modifier et exécuter le code