Usando .melt() para remodelar dados governamentais

O US Bureau of Labor Statistics (BLS) geralmente fornece séries de dados em um formato de fácil leitura, com uma coluna separada para cada mês e uma linha diferente para cada ano. Infelizmente, esse formato amplo dificulta a plotagem dessas informações ao longo do tempo. Neste exercício, você reformulará uma tabela de dados da taxa de desemprego do US do BLS em um formato que possa ser plotado usando o .melt(). Você precisará adicionar uma coluna de data à tabela e classificá-la por ela para plotar os dados corretamente.

Os dados da taxa de desemprego foram carregados para você em uma tabela chamada ur_wide. Recomendamos que você explore essa tabela antes de iniciar o exercício.

Este exercício faz parte do curso

Unindo dados com o pandas

Ver curso

Instruções do exercício

Use .melt() para desvincular todas as colunas de ur_wide, exceto year, e certifique-se de que as colunas com os meses e valores sejam nomeadas month e unempl_rate, respectivamente. Salve o resultado como ur_tall.
Adicione uma coluna a ur_tall chamada date, que combina as colunas year e month no formato ano-mês em uma cadeia de caracteres maior e a converte em um tipo de dados de data.
Classifique ur_tall por data e salve como ur_sorted.
Usando ur_sorted, trace unempl_rate no eixo y e date no eixo x.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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()

Editar e executar o código