Usare .melt() per rimodellare i dati governativi

Lo US Bureau of Labor Statistics (BLS) spesso fornisce serie di dati in un formato facile da leggere: c’è una colonna separata per ogni mese e ogni anno è una riga diversa. Purtroppo, questo formato “wide” rende difficile tracciare l’andamento nel tempo. In questo esercizio rimodellerai una tabella con i dati del tasso di disoccupazione USA del BLS in un formato adatto alla visualizzazione usando .melt(). Dovrai aggiungere una colonna data alla tabella e ordinarla per poter rappresentare correttamente i dati.

I dati sul tasso di disoccupazione sono stati caricati per te in una tabella chiamata ur_wide. Ti consigliamo di esplorare questa tabella prima di iniziare l’esercizio.

Questo esercizio fa parte del corso

Unire i dati con pandas

Visualizza il corso

Istruzioni dell'esercizio

Usa .melt() per “srotolare” (unpivot) tutte le colonne di ur_wide tranne year e assicurati che le colonne con i mesi e i valori si chiamino rispettivamente month e unempl_rate. Salva il risultato come ur_tall.
Aggiungi a ur_tall una colonna chiamata date che combini le colonne year e month nel formato anno-mese in un’unica stringa più lunga e la converta in un tipo data.
Ordina ur_tall per data e salva come ur_sorted.
Usando ur_sorted, traccia unempl_rate sull’asse y e date sull’asse x.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# unpivot everything besides the year column
ur_tall = ____


# Create a date column using the month and year columns of ur_tall
ur_tall['date'] = pd.to_datetime(ur_tall['____'] + '-' + ____)

# Sort ur_tall by date in ascending order
ur_sorted = ____

# Plot the unempl_rate by date
ur_sorted.plot(____)
plt.show()

Modifica ed esegui il codice