Inflationstrender i Kina, Indien och USA

Paketet seaborn innehåller funktioner för att visualisera fördelningen av kategoriska variabler.

I de två nästa övningarna undersöker du historiska inflationsdata för Kina, Indien och USA över de senaste 50+ åren, hämtade från FRED. Innan du använder de funktioner du precis lärt dig bör du bekanta dig med rådata. pandas som pd, matplotlib.pyplot som plt och seaborn som sns har importerats åt dig. FRED:s inflationsdata finns i din arbetsmiljö som inflation.

Den här övningen är en del av kursen

Importera och hantera finansiell data i Python

Visa kurs

Övningsinstruktioner

Inspektera inflation med .info().
Gruppera inflation efter 'Country' och tilldela resultatet till inflation_by_country.
Iterera i en for-loop över country- och data-paren som returneras av inflation_by_country. Använd .plot() på data i varje iteration med title satt till country för att visa den historiska tidsserien.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Inspect the inflation data
inflation.____()

# Create inflation_by_country
inflation_by_country = inflation.____(____)

# Iterate over inflation_by_country and plot the inflation time series per country
for country, data in inflation_by_country:
    # Plot the data
    data.____(____=____)
    # Show the plot
    plt.show()

Redigera och kör kod