Taux de croissance au Brésil, en Chine et aux États-Unis
Il est temps d’étendre votre analyse au-delà des niveaux de revenu par habitant internationaux pour examiner les taux de croissance. Le fichier 'income_growth.csv' contient les taux de croissance du revenu par habitant sur les 40 dernières années pour le Brésil, la Chine et les États-Unis.
Vous allez tracer la distribution des taux de croissance historiques pour chaque pays sur un même graphique à l’aide d’un tracé KDE, afin de faciliter la comparaison visuelle des plages de croissance observées sur cette période.
À partir de maintenant dans le cours, vous devriez toujours inspecter tout DataFrame avec .info() dans votre console, même si cela n’est pas indiqué explicitement dans les instructions. pandas en tant que pd, seaborn en tant que sns, et matplotlib.pyplot en tant que plt ont été importés.
Cet exercice fait partie du cours
Importer et gérer des données financières en Python
Instructions
- Chargez le fichier
'income_growth.csv'dans la variablegrowth. Analysez la colonne'DATE'endtypedatetime64et définissez-la comme index. - Examinez les statistiques récapitulatives pour 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. L’essentiel du code vous est déjà fourni.- À chaque itération de
distplot(), passez la variable d’itérationcolumnpour sélectionner la colonne correspondante, définissez le paramètrehistàFalse, et définissezlabelsurcolumn. - Affichez le résultat.
- À chaque itération de
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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()