Trendy inflacji w Chinach, Indiach i USA

Pakiet seaborn udostępnia funkcje umożliwiające wizualizację rozkładu zmiennych kategorycznych.

W kolejnych dwóch ćwiczeniach przeanalizujesz historyczne dane o inflacji w Chinach, Indiach i USA z okresu ponad 50 lat, pochodzące z bazy FRED. Zanim zaczniesz korzystać z poznanych funkcji, warto najpierw zapoznać się z surowymi danymi. Biblioteki pandas jako pd, matplotlib.pyplot jako plt oraz seaborn jako sns zostały już zaimportowane. Dane o inflacji z FRED są dostępne w twoim środowisku jako inflation.

To ćwiczenie jest częścią kursu

Importowanie i zarządzanie danymi finansowymi w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zbadaj inflation za pomocą .info().
Pogrupuj inflation według kolumny 'Country' i przypisz wynik do inflation_by_country.
W pętli for iteruj po parach country, data zwracanych przez inflation_by_country. W każdej iteracji wywołaj .plot() na data, ustawiając parametr title na country, aby wyświetlić historyczny szereg czasowy.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()

Edytuj i uruchom kod