Eksploracja zbioru danych Jobs

W tym ćwiczeniu przeanalizujesz nowy DataFrame jobs, który zawiera dane o stopie bezrobocia w różnych branżach w USA w latach 2000–2010. Jak zobaczysz, zbiór danych zawiera szeregi czasowe dla 16 branż i 122 punktów czasowych (jeden na miesiąc przez 10 lat). Typowy przepływ pracy w projekcie Data Science obejmuje czyszczenie i eksplorację danych – dlatego zaczniemy od wczytania danych i sprawdzenia brakujących wartości.

To ćwiczenie jest częścią kursu

Wizualizacja danych szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Biblioteka pandas została zaimportowana jako pd.

Wczytaj plik CSV spod adresu url_jobs do DataFrame o nazwie jobs i sprawdź typ danych każdej kolumny.
Przekonwertuj kolumnę datestamp w jobs na typ datetime.
Ustaw kolumnę datestamp jako indeks jobs.
Wyświetl liczbę brakujących wartości w każdej kolumnie jobs.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Read in jobs file
jobs = ____

# Print first five lines of your DataFrame
print(jobs.head(5))

# Check the type of each column in your DataFrame
print(jobs.dtypes)

# Convert datestamp column to a datetime object
jobs[____] = ____(jobs[____])

# Set the datestamp columns as the index of your DataFrame
jobs = ____('datestamp')

# Check the number of missing values in each column
print(jobs.isnull().____())

Edytuj i uruchom kod