Arbeidsparticipatie

De werkloosheid kan dalen omdat de arbeidsparticipatie afneemt: er zijn minder mensen die naar werk zoeken! In deze oefening ga je die mogelijkheid onderzoeken. Je begint met een DataFrame, lf_by_race, met het percentage arbeidsparticipatie per jaar voor 25- tot 54-jarigen in vier raciale groepen (White, Black, Asian en Hispanic) en voor beide seksen. Je maakt een staafdiagram van arbeidsparticipatie tegen jaar. Om het staafdiagram te conditioneren op demografische groep, ga je eerst de DataFrame melten. De DataFrame heeft al geschikte kolomnamen.

pandas en seaborn zijn geïmporteerd met de gebruikelijke aliassen. unemp_by_race is geladen en vijf kolommen worden weergegeven in de console.

Deze oefening maakt deel uit van de cursus

US Census-gegevens analyseren in Python

Cursus bekijken

Oefeninstructies

melt de DataFrame lf_by_race, stel var_name in op "demographic" en value_name op "labor_force_participation"; kun je bepalen welke kolom geschikt is voor de parameter id_vars?
Roep sns.barplot aan met het jaar op de x-as en arbeidsparticipatie op de y-as; gebruik vervolgens de parameter hue om seks per jaar te groeperen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Melt DataFrame by demographic group
lf_by_race = lf_by_race.melt(
        ____,
        ____,
        ____
		)

# Plot labor force particpation by group by year
sns.barplot(____)
plt.show()

Code bewerken en uitvoeren