Współczynnik aktywności zawodowej

Spadek bezrobocia może wynikać ze zmniejszenia współczynnika aktywności zawodowej – innymi słowy, coraz mniej osób aktywnie szuka pracy! W tym ćwiczeniu zbadasz tę możliwość. Punktem wyjścia będzie DataFrame lf_by_race, zawierający procentowy współczynnik aktywności zawodowej według roku dla osób w wieku 25–54 lat w czterech grupach rasowych (White, Black, Asian i Hispanic) oraz dla obu płci. Utworzysz wykres słupkowy przedstawiający aktywność zawodową na przestrzeni lat. Aby podzielić wykres według grupy demograficznej, najpierw wykonasz operację melt na DataFrame. DataFrame ma już odpowiednie nazwy kolumn.

pandas i seaborn zostały zaimportowane ze standardowymi aliasami. unemp_by_race jest załadowany, a w konsoli wyświetlanych jest pięć kolumn.

To ćwiczenie jest częścią kursu

Analiza danych spisowych USA w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Wykonaj operację melt na DataFrame lf_by_race, ustawiając var_name na "demographic" oraz value_name na "labor_force_participation"; czy potrafisz określić odpowiednią kolumnę dla parametru id_vars?
Wywołaj sns.barplot, umieszczając rok na osi x, a współczynnik aktywności zawodowej na osi y; następnie użyj parametru hue, aby pokazać płeć pogrupowaną według roku.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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

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

Edytuj i uruchom kod