Inflatietrends in China, India en de VS

Tot slot bevat het pakket seaborn functies waarmee je de verdeling van niveaus van categorische variabelen kunt visualiseren.

In de volgende twee oefeningen bekijk je de historische inflatiedata in China, India en de VS over de afgelopen 50+ jaar met gegevens van FRED. Voordat je met de functies aan de slag gaat die je zojuist hebt geleerd, is het handig om eerst de ruwe data te verkennen. pandas als pd, matplotlib.pyplot als plt en seaborn als sns zijn al voor je geïmporteerd. De FRED-inflatiedata staat in je werkruimte als inflation.

Deze oefening maakt deel uit van de cursus

Financiële data importeren en beheren in Python

Cursus bekijken

Oefeninstructies

Inspecteer inflation met .info().
Groepeer inflation op 'Country' en ken dit toe aan inflation_by_country.
Itereer in een for-lus over country- en data-paren die door inflation_by_country worden teruggegeven. Gebruik in elke iteratie .plot() op data met title ingesteld op country om de historische tijdreeks te tonen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Inspect the inflation data
inflation.____()

# Create inflation_by_country
inflation_by_country = inflation.____(____)

# Iterate over inflation_by_country and plot the inflation time series per country
for country, data in inflation_by_country:
    # Plot the data
    data.____(____=____)
    # Show the plot
    plt.show()

Code bewerken en uitvoeren