Utforska Jobs-datamängden

I den här övningen utforskar du den nya DataFrame:n jobs, som innehåller arbetslöshetsgraden för olika branscher i USA under åren 2000–2010. Som du kommer att se innehåller datamängden tidsserier för 16 branscher och 122 tidpunkter (en per månad i 10 år). I ett typiskt Data Science-projekt ingår alltid datarensning och utforskning, så vi börjar med att läsa in data och kontrollera om det finns saknade värden.

Den här övningen är en del av kursen

Visualisering av tidsseriedata i Python

Visa kurs

Övningsinstruktioner

Vi har importerat pandas som pd.

Läs in CSV-filen som finns på url_jobs till en DataFrame kallad jobs och granska datatypen för varje kolumn.
Konvertera kolumnen datestamp i jobs till typen datetime.
Ange kolumnen datestamp som index för jobs.
Skriv ut antalet saknade värden i varje kolumn i jobs.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Read in jobs file
jobs = ____

# Print first five lines of your DataFrame
print(jobs.head(5))

# Check the type of each column in your DataFrame
print(jobs.dtypes)

# Convert datestamp column to a datetime object
jobs[____] = ____(jobs[____])

# Set the datestamp columns as the index of your DataFrame
jobs = ____('datestamp')

# Check the number of missing values in each column
print(jobs.isnull().____())

Redigera och kör kod