.melt() kullanarak kamu verilerini yeniden şekillendirme

ABD Çalışma İstatistikleri Bürosu (BLS) verileri genellikle okunması kolay bir biçimde sunar — her ay için ayrı bir sütun, her yıl içinse farklı bir satır bulunur. Ne yazık ki bu geniş biçim, bilgiyi zaman içinde görselleştirmeyi zorlaştırır. Bu egzersizde, BLS’den ABD işsizlik oranı verilerini .melt() kullanarak çizilebilecek bir forma dönüştüreceksin. Tabloya bir tarih sütunu eklemen ve verileri doğru şekilde çizebilmek için bu sütuna göre sıralaman gerekecek.

İşsizlik oranı verileri, senin için ur_wide adlı bir tabloda yüklendi. Egzersize başlamadan önce bu tabloyu keşfetmeni öneririz.

Bu egzersiz

pandas ile Verileri Birleştirme

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

.melt() kullanarak ur_wide içindeki year dışındaki tüm sütunları uzun formata çevir ve ayları ve değerleri içeren sütunların adlarını sırasıyla month ve unempl_rate olacak şekilde ayarla. Sonucu ur_tall olarak kaydet.
ur_tall içinde date adlı bir sütun ekle; year ve month sütunlarını yıl-ay formatında daha büyük bir dize olarak birleştir ve bunu tarih veri tipine dönüştür.
ur_tall verisini tarihe göre sırala ve ur_sorted olarak kaydet.
ur_sorted kullanarak, y ekseninde unempl_rate ve x ekseninde date olacak şekilde grafiği çiz.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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()

Kodu Düzenle ve Çalıştır