Desemprego
O desemprego varia por raça e sexo. Neste exercício, você começará com um DataFrame, unemp_by_race, com a porcentagem de desemprego por ano para pessoas de 25 a 54 anos em quatro grupos raciais (White, Black, Asian e Hispanic) e ambos os sexos. Você criará um gráfico de barras da porcentagem de desemprego ao longo dos anos.
Como os nomes das colunas, depois do melt, se tornarão rótulos no gráfico final, comece definindo nomes de colunas mais curtos e claros. O código necessário é fornecido no início do exercício.
pandas e seaborn foram importados com os apelidos de sempre. unemp_by_race está carregado, e o dicionário que você usará para renomear está exibido no console.
Este exercício faz parte do curso
Analisando dados do Censo dos EUA em Python
Instruções do exercício
- Aplique
meltao DataFrameunemp_by_race; definaid_varscomo"year"e remova o parâmetrovalue_varspara usar todas as colunas restantes como colunas de valor - Crie um gráfico de barras de
unemp_by_race, com o ano no eixo x e a porcentagem desempregada no eixo y, comhuedeterminado pelo grupo demográfico
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Rename columns
unemp_by_race.rename(columns = col_rename, inplace = True)
# Melt DataFrame by demographic group
unemp_by_race = unemp_by_race.melt(id_vars = ____, value_vars = ____,
var_name = "demographic", value_name = "pct_unemployed")
# Plot unemployment by group by year
sns.barplot(x = ____, y = ____, hue = ____, data = unemp_by_race)
plt.show()