Bezrobocie
Poziom bezrobocia różni się w zależności od rasy i płci. W tym ćwiczeniu zaczniesz od ramki danych unemp_by_race, zawierającej procentowy poziom bezrobocia według roku dla osób w wieku 25–54 lat w czterech grupach rasowych (White, Black, Asian i Hispanic) z podziałem na płeć. Twoim zadaniem będzie stworzenie wykresu słupkowego przedstawiającego procentowy poziom bezrobocia w poszczególnych latach.
Ponieważ nazwy kolumn – po operacji melt – staną się etykietami na wykresie, zacznij od nadania im krótszych i bardziej czytelnych nazw. Niezbędny kod znajdziesz na początku ćwiczenia.
Biblioteki pandas i seaborn zostały zaimportowane z typowymi aliasami. Ramka danych unemp_by_race jest załadowana, a słownik do zmiany nazw kolumn wyświetla się w konsoli.
To ćwiczenie jest częścią kursu
Analiza danych spisowych USA w Pythonie
Instrukcje do ćwiczenia
- Zastosuj metodę
meltna ramce danychunemp_by_race: ustawid_varsna"year"i usuń parametrvalue_vars, aby jako kolumny wartości użyć wszystkich pozostałych kolumn. - Utwórz wykres słupkowy na podstawie
unemp_by_racez rokiem na osi x i procentowym poziomem bezrobocia na osi y, gdziehueokreśla grupę demograficzną.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Rename columns
unemp_by_race.rename(columns = col_rename, inplace = True)
# Melt DataFrame by demographic group
unemp_by_race = unemp_by_race.melt(id_vars = ____, value_vars = ____,
var_name = "demographic", value_name = "pct_unemployed")
# Plot unemployment by group by year
sns.barplot(x = ____, y = ____, hue = ____, data = unemp_by_race)
plt.show()