Pengangguran

Tingkat pengangguran berbeda menurut ras dan jenis kelamin. Pada latihan ini, Anda akan mulai dengan sebuah DataFrame, unemp_by_race, yang berisi persentase pengangguran per tahun untuk kelompok usia 25 hingga 54 tahun pada empat kelompok ras (White, Black, Asian, dan Hispanic) dan kedua jenis kelamin. Anda akan membuat plot batang yang menampilkan persentase pengangguran terhadap tahun.

Karena nama kolom, setelah di-melt, akan menjadi label pada plot akhir, mulailah dengan memberikan nama kolom yang lebih singkat dan jelas. Kode yang diperlukan telah disediakan di awal latihan.

pandas dan seaborn telah diimpor dengan alias standar. unemp_by_race sudah dimuat, dan dict yang akan Anda gunakan untuk penamaan ulang ditampilkan di konsol.

Latihan ini adalah bagian dari kursus

Menganalisis Data Sensus AS dengan Python

Lihat Kursus

Petunjuk latihan

Lakukan melt pada DataFrame unemp_by_race; setel id_vars ke "year", dan hapus parameter value_vars untuk menggunakan semua kolom yang tersisa sebagai kolom nilai
Buat plot batang dari unemp_by_race, dengan tahun pada sumbu x dan persentase pengangguran pada sumbu y, dengan hue ditentukan oleh kelompok demografis

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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()

Edit dan Jalankan Kode