労働参加率
失業率が下がっているのは、労働参加率が低下している、つまり仕事を探す人が減っているからかもしれません。この演習では、その可能性を検証します。25〜54歳の4つの人種グループ（White、Black、Asian、Hispanic）と男女別について、年ごとの労働参加率（パーセント）をまとめた DataFrame lf_by_race から始めます。年に対する労働参加率の棒グラフを作成します。人口統計グループごとに棒グラフを分けて表示するため、まず DataFrame を melt します。列名はすでに適切に設定されています。
pandas と seaborn は通常の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、5列が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
- DataFrame
lf_by_raceをmeltし、var_nameを"demographic"、value_nameを"labor_force_participation"に設定します。id_varsパラメータに適切な列はどれか判断できますか？ sns.barplotを呼び出し、x軸に year、y軸に labor force participation を指定します。さらに、hueパラメータを使って、year ごとに sex を色分けして表示します。
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。
# Melt DataFrame by demographic group
lf_by_race = lf_by_race.melt(
____,
____,
____
)
# Plot labor force particpation by group by year
sns.barplot(____)
plt.show()