เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ใช้ .melt() เพื่อปรับโครงสร้างข้อมูลภาครัฐ

สำนักสถิติแรงงานแห่งสหรัฐอเมริกา (BLS) มักนำเสนอชุดข้อมูลในรูปแบบที่อ่านง่าย โดยแยกแต่ละเดือนเป็นคอลัมน์ และแต่ละปีเป็นแถว แต่รูปแบบ wide นี้ทำให้การพล็อตข้อมูลตามช่วงเวลาทำได้ยาก ในแบบฝึกหัดนี้ คุณจะปรับโครงสร้างตารางข้อมูลอัตราการว่างงานของสหรัฐฯ จาก BLS ให้อยู่ในรูปแบบที่พล็อตได้โดยใช้ .melt() จากนั้นจะต้องเพิ่มคอลัมน์วันที่และเรียงลำดับข้อมูลก่อนพล็อต

ข้อมูลอัตราการว่างงานถูกโหลดไว้ในตารางชื่อ ur_wide แล้ว ลองสำรวจตารางนี้ก่อนเริ่มทำแบบฝึกหัดได้เลย

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การรวมข้อมูลด้วย pandas

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ .melt() เพื่อ unpivot คอลัมน์ทั้งหมดของ ur_wide ยกเว้นคอลัมน์ year และกำหนดให้คอลัมน์ที่เก็บชื่อเดือนและค่าข้อมูลมีชื่อว่า month และ unempl_rate ตามลำดับ จากนั้นบันทึกผลลัพธ์เป็น ur_tall
  • เพิ่มคอลัมน์ชื่อ date ใน ur_tall โดยนำคอลัมน์ year และ month มารวมกันในรูปแบบ year-month แล้วแปลงเป็นชนิดข้อมูลวันที่
  • เรียงลำดับ ur_tall ตามวันที่และบันทึกเป็น ur_sorted
  • ใช้ ur_sorted พล็อตกราฟโดยให้ unempl_rate อยู่บนแกน y และ date อยู่บนแกน x

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด