Przekształcanie danych rządowych za pomocą .melt()
US Bureau of Labor Statistics (BLS) często udostępnia dane w formacie wygodnym do czytania – każdy miesiąc ma osobną kolumnę, a każdy rok to oddzielny wiersz. Niestety ten szeroki format utrudnia wizualizację danych w czasie. W tym ćwiczeniu przekształcisz tabelę z danymi o stopie bezrobocia w USA (pochodzącymi z BLS) do postaci, którą można wykreślić za pomocą metody .melt(). Będziesz musiał dodać do tabeli kolumnę z datą i posortować według niej dane, aby wykres był poprawny.
Dane o stopie bezrobocia zostały wczytane do tabeli o nazwie ur_wide. Zanim przejdziesz do ćwiczenia, możesz ją swobodnie zbadać.
To ćwiczenie jest częścią kursu
Łączenie danych z pandas
Instrukcje do ćwiczenia
- Użyj
.melt(), aby rozwinąć wszystkie kolumnyur_widez wyjątkiemyear. Zadbaj o to, żeby kolumny z miesiącami i wartościami nosiły nazwy odpowiedniomonthiunempl_rate. Wynik zapisz jakour_tall. - Dodaj do
ur_tallkolumnędate, która łączy kolumnyyearimonthw format rok-miesiąc jako jeden ciąg znaków, a następnie konwertuje go na typ daty. - Posortuj
ur_tallwedług daty i zapisz wynik jakour_sorted. - Korzystając z
ur_sorted, narysuj wykres zunempl_ratena osi Y idatena osi X.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# unpivot everything besides the year column
ur_tall = ____
# Create a date column using the month and year columns of ur_tall
ur_tall['date'] = pd.to_datetime(ur_tall['____'] + '-' + ____)
# Sort ur_tall by date in ascending order
ur_sorted = ____
# Plot the unempl_rate by date
ur_sorted.plot(____)
plt.show()