Tendances de l’inflation en Chine, en Inde et aux États‑Unis

Enfin, le package seaborn inclut des fonctions qui permettent de visualiser la distribution des niveaux de variables catégorielles.

Dans les deux prochains exercices, vous allez examiner les données historiques d’inflation en Chine, en Inde et aux États‑Unis sur plus de 50 ans à partir des données FRED. Avant d’utiliser les fonctions que vous venez d’apprendre, prenez le temps de vous familiariser avec les données brutes. pandas en tant que pd, matplotlib.pyplot en tant que plt, et seaborn en tant que sns ont été importés pour vous. Les données d’inflation de FRED sont disponibles dans votre environnement sous le nom inflation.

Cet exercice fait partie du cours

Importer et gérer des données financières en Python

Afficher le cours

Instructions

Inspectez inflation avec .info().
Regroupez inflation par 'Country' et affectez le résultat à inflation_by_country.
Dans une boucle for, itérez sur les paires country, data renvoyées 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 cet exemple de code.

# 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