Tren inflasi di China, India, dan AS

Terakhir, paket seaborn menyertakan fungsi-fungsi yang memungkinkan Anda memvisualisasikan distribusi tingkat variabel kategorikal.

Dalam dua latihan berikutnya, Anda akan menelaah data inflasi historis di China, India, dan AS selama lebih dari 50 tahun terakhir dari data FRED. Sebelum langsung menggunakan fungsi-fungsi yang baru Anda pelajari, Anda sebaiknya membiasakan diri terlebih dahulu dengan data mentahnya. pandas sebagai pd, matplotlib.pyplot sebagai plt, dan seaborn sebagai sns sudah diimpor untuk Anda. Data inflasi FRED tersedia di workspace Anda sebagai inflation.

Latihan ini merupakan bagian dari kursus

Mengimpor dan Mengelola Data Keuangan di Python

Lihat Kursus

Instruksi latihan

Periksa inflation menggunakan .info().
Kelompokkan inflation berdasarkan 'Country' dan simpan ke inflation_by_country.
Dalam perulangan for, iterasikan pasangan country, data yang dikembalikan oleh inflation_by_country. Pada setiap iterasi, gunakan .plot() pada data dengan title diatur ke country untuk menampilkan deret waktu historis.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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()

Edit dan Jalankan Kode