Arbetskraftsdeltagande

Arbetslösheten kan minska för att arbetskraftsdeltagandet sjunker – det vill säga att färre personer aktivt söker arbete. I den här övningen undersöker du den möjligheten. Du utgår från en DataFrame, lf_by_race, med procentuellt arbetskraftsdeltagande per år för 25–54-åringar i fyra etniska grupper (vita, svarta, asiater och latinamerikaner) och båda könen. Du skapar ett stapeldiagram över arbetskraftsdeltagandet uppdelat efter år. För att villkora diagrammet efter demografisk grupp börjar du med att använda melt på DataFrame:n. DataFrame:n har redan lämpliga kolumnnamn.

pandas och seaborn har importerats med de vanliga aliasen. unemp_by_race är inläst och fem kolumner visas i konsolen.

Den här övningen är en del av kursen

Analys av amerikansk folkräkningsdata i Python

Visa kurs

Övningsinstruktioner

Använd melt på DataFrame:n lf_by_race och ange var_name som "demographic" och value_name som "labor_force_participation"; kan du avgöra vilken kolumn som ska användas för parametern id_vars?
Anropa sns.barplot med år på x-axeln och arbetskraftsdeltagande på y-axeln; använd sedan parametern hue för att visa kön grupperat efter år.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Melt DataFrame by demographic group
lf_by_race = lf_by_race.melt(
        ____,
        ____,
        ____
		)

# Plot labor force particpation by group by year
sns.barplot(____)
plt.show()

Redigera och kör kod