失業
失業率は、人種や性別によって異なります。この演習では、4 つの人種グループ（White、Black、Asian、Hispanic）と男女について、25～54 歳の各年の失業率（パーセント）をまとめた DataFrame unemp_by_race から始めます。年に対する失業率の棒グラフを作成します。
列名は、melt 後に最終プロットのラベルになるため、まずは短くわかりやすい列名に変更します。必要なコードは演習の最初に用意されています。
pandas と seaborn は一般的なエイリアスでインポート済みです。unemp_by_race は読み込まれており、リネームに使う辞書はコンソールに表示されています。
この演習はコースの一部です
Pythonで学ぶ米国センサスデータ分析
演習の手順
unemp_by_raceDataFrame をmeltします。id_varsを"year"に設定し、value_varsパラメータは指定せずに、残りのすべての列を値列として使います。unemp_by_raceの棒グラフを作成します。x 軸に年、y 軸に失業率（パーセント）をとり、hueはデモグラフィックのグループで分けます。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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()