Șomaj

Rata șomajului variază în funcție de rasă și sex. În acest exercițiu, vei porni de la un DataFrame, unemp_by_race, care conține procentul de șomaj pe ani pentru persoane cu vârste între 25 și 54 de ani, din patru grupuri rasiale (Alb, Negru, Asiatic și Hispanic) și ambele sexe. Vei crea un grafic de bare al procentului de șomaj în funcție de an.

Deoarece numele coloanelor vor deveni etichete în graficul final după operațiunea de topire (melt), începe prin a le atribui nume mai scurte și mai clare. Codul necesar pentru aceasta este furnizat la începutul exercițiului.

pandas și seaborn au fost importate cu aliasurile uzuale. unemp_by_race este încărcat, iar dicționarul pe care îl vei folosi pentru redenumire este afișat în consolă.

Acest exercițiu face parte din cursul

Analiza datelor recensământului SUA în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Aplică operațiunea melt pe DataFrame-ul unemp_by_race; setează id_vars la "year" și elimină parametrul value_vars pentru a folosi toate coloanele rămase ca și coloane de valori
Creează un grafic de bare al unemp_by_race, cu anul pe axa x și procentul de șomaj pe axa y, unde hue este determinat de grupul demografic

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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()

Editează și rulează codul