Groeipercentages in Brazilië, China en de VS

Tijd om je analyse uit te breiden van internationale inkomensniveaus per hoofd van de bevolking naar groeipercentages. Het bestand 'income_growth.csv' bevat de groeipercentages van het inkomen per hoofd van de bevolking over de afgelopen 40 jaar voor Brazilië, China en de VS.

Je plot de verdeling van de historische groeipercentages voor elk land in dezelfde grafiek met een KDE-plot, zodat je de bereiken van groei die deze markten in deze periode hebben meegemaakt visueel kunt vergelijken.

Vanaf dit punt in de cursus moet je in je console altijd elke DataFrame inspecteren met .info(), ook als dit niet expliciet in de instructies staat. pandas als pd, seaborn als sns en matplotlib.pyplot als plt zijn al geïmporteerd.

Deze oefening maakt deel uit van de cursus

Financiële data importeren en beheren in Python

Cursus bekijken

Oefeninstructies

Laad het bestand 'income_growth.csv' in de variabele growth. Parse de kolom 'DATE' naar dtype datetime64 en stel deze in als de index.
Bekijk de samenvattende statistieken voor deze drie groeipercentages met de juiste functie.
Itereer over het attribuut growth.columns in een for-loop om de labels te gebruiken. Het grootste deel van de code staat al voor je uitgewerkt.
- Geef in elke iteratie van distplot() de iteratievariabele column door om de betreffende kolom te selecteren, zet het keyword hist op False en zet label op column.
- Laat het resultaat zien.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Load the file into growth
growth = pd.read_csv(____, parse_dates=____).____(____)

# Inspect the summary statistics for the growth rates
growth.____()

# Iterate over the three columns
for column in growth.____:
    sns.____(growth[____], hist=____, label=____)
    
# Show the plot
plt.show()

Code bewerken en uitvoeren