Minimumloon per regio

Kijken naar samenvattingsstatistieken van gegroepeerde gegevens is een geweldige manier om mogelijke verschillen en overeenkomsten tussen groepen te ontdekken. Combineer dit met de @chain-macro en je krijgt mooi leesbare code!

In deze oefening kijk je opnieuw naar de trend in het Amerikaanse minimumloon. Omdat de 50 staten plus Washington, D.C., wat veel is, bekijk je de vier regio's van de Verenigde Staten: Northeast, Midwest, South en West. De gegevensset is ingeladen als wages.

Laten we zien hoe de verschillende regio's met het minimumloon omgaan!

De pakketten DataFrames, Statistics, Chain en Plots zijn al voor je geladen met het sleutelwoord using.

Deze oefening maakt deel uit van de cursus

Data manipulatie in Julia

Cursus bekijken

Oefeninstructies

Maak een chain-macro op de DataFrame wages en sla het resultaat op als regions_wage.
Groepeer binnen de macro op de kolommen region en year.
Bereken de mediaan van effective_min_wage_2020_dollars en noem de kolom median_effective_wage_2020.
Unstack het resultaat zodat de rijen overeenkomen met jaren, de kolommen met regio's en de waarden met het mediane loon.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Create the chain macro
regions_wage = ____

	# Group by region and year
    groupby(____)

	# Calculate the median wage per region per year
    combine(____)

	# Reshape the result
    ____
end

make_plot(regions_wage)

Code bewerken en uitvoeren