Tempo wzrostu w Brazylii, Chinach i USA

Czas rozszerzyć analizę – zamiast poziomów międzynarodowego dochodu per capita przyjrzymy się teraz jego dynamice wzrostu. Plik 'income_growth.csv' zawiera roczne stopy wzrostu dochodu per capita z ostatnich 40 lat dla Brazylii, Chin i USA.

Na jednym wykresie przedstawisz rozkłady historycznych stóp wzrostu dla każdego z tych krajów, korzystając z wykresu KDE. Ułatwi to wzrokowe porównanie zakresów wzrostu, jakich doświadczyły te rynki w omawianym okresie.

Od tego miejsca w kursie zawsze sprawdzaj każdy obiekt DataFrame za pomocą .info() w konsoli – nawet jeśli instrukcje tego wprost nie wymagają. Biblioteki pandas jako pd, seaborn jako sns i matplotlib.pyplot jako plt zostały już zaimportowane.

To ćwiczenie jest częścią kursu

Importowanie i zarządzanie danymi finansowymi w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Wczytaj plik 'income_growth.csv' do zmiennej growth. Sparsuj kolumnę 'DATE' jako typ datetime64 i ustaw ją jako indeks.
Sprawdź statystyki podsumowujące dla tych trzech stóp wzrostu, używając odpowiedniej funkcji.
Iteruj po atrybucie growth.columns w pętli for, aby uzyskać dostęp do etykiet kolumn. Większość kodu jest już przygotowana.
- W każdej iteracji funkcji distplot() przekaż zmienną iteracyjną column, aby wybrać odpowiednią kolumnę, ustaw argument hist na False, a label na column.
- Wyświetl wynik.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()

Edytuj i uruchom kod