Uso de .melt() para remodelar dados governamentais

O Bureau of Labor Statistics (BLS) dos EUA costuma disponibilizar séries de dados num formato fácil de ler - tem uma coluna separada para cada mês e cada ano é uma linha diferente. Infelizmente, esse formato amplo dificulta a plotagem dessas informações ao longo do tempo. Neste exercício, você vai reorganizar uma tabela com dados sobre a taxa de desemprego nos EUA, que veio do BLS, de um jeito que você possa colocar no .melt(). Você precisará adicionar uma coluna de data à tabela e classificar 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

Junção de dados com o pandas

Ver curso

Instruções do exercício

Use .melt() para desarticular 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