Wizualizacja trendów miesięcznych i rocznych
Jak widzieliśmy w rozdziale 2., gdy indeks DataFrame jest typu datetime, można bezpośrednio wyodrębnić dzień, miesiąc lub rok każdej daty w indeksie. Przypomnijmy: rok każdej daty w indeksie możesz wyodrębnić za pomocą atrybutu .index.year. Następnie możesz użyć metod .groupby() i .mean(), aby obliczyć średnią roczną wartość każdego szeregu czasowego w DataFrame:
index_year = df.index.year
df_by_year = df.groupby(index_year).mean()
Teraz zastosujesz zdobytą wiedzę, aby wyświetlić zagregowane wartości średnie każdego szeregu czasowego z DataFrame jobs.
To ćwiczenie jest częścią kursu
Wizualizacja danych szeregów czasowych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Extract the month from the index of jobs
index_month = ____.____.____
# Compute the mean unemployment rate for each month
jobs_by_month = ____.____(____).____()
# Plot the mean unemployment rate for each month
ax = ____.plot(fontsize=6, linewidth=1)
# Set axis labels and legend
ax.set_xlabel('Month', fontsize=10)
ax.set_ylabel('Mean unemployment rate', fontsize=10)
ax.legend(bbox_to_anchor=(0.8, 0.6), fontsize=10)
plt.show()