बेरोज़गारी
बेरोज़गारी नस्ल और लिंग के अनुसार अलग-अलग होती है। इस अभ्यास में, आप एक DataFrame unemp_by_race से शुरू करेंगे, जिसमें 25 से 54 वर्ष के लोगों के लिए चार नस्ली समूहों (White, Black, Asian, और Hispanic) और दोनों लिंगों के अनुसार, प्रत्येक वर्ष की प्रतिशत बेरोज़गारी दी गई है। आप वर्ष के मुकाबले प्रतिशत बेरोज़गारी का एक बार प्लॉट बनाएँगे।
क्योंकि melt करने के बाद कॉलम नाम आपके अंतिम प्लॉट में लेबल बन जाएँगे, इसलिए शुरुआत में ही ऐसे कॉलम नाम दीजिए जो छोटे और स्पष्ट हों। अभ्यास की शुरुआत में इसके लिए आवश्यक कोड दिया गया है।
pandas और seaborn को सामान्य उपनामों के साथ इम्पोर्ट किया गया है। unemp_by_race लोड है, और जिसे आप रीनेमिंग के लिए इस्तेमाल करेंगे वह dict कंसोल में दिखाया गया है।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में US Census डेटा का विश्लेषण
अभ्यास निर्देश
unemp_by_raceDataFrame कोmeltकीजिए;id_varsको"year"पर सेट करें, और सभी बचे हुए कॉलम्स को वैल्यू कॉलम्स की तरह इस्तेमाल करने के लिएvalue_varsपैरामीटर को हटा देंunemp_by_raceका एक बार प्लॉट बनाएँ, जिसमें x-axis पर year और y-axis पर percent unemployed हो, औरhueडेमोग्राफिक समूह के अनुसार निर्धारित हो
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Rename columns
unemp_by_race.rename(columns = col_rename, inplace = True)
# Melt DataFrame by demographic group
unemp_by_race = unemp_by_race.melt(id_vars = ____, value_vars = ____,
var_name = "demographic", value_name = "pct_unemployed")
# Plot unemployment by group by year
sns.barplot(x = ____, y = ____, hue = ____, data = unemp_by_race)
plt.show()