Участь у робочій силі

Безробіття може знижуватися через падіння участі в робочій силі — тобто менше людей шукають роботу! У цій вправі ви дослідите цю можливість. Ви почнете з датафрейму lf_by_race, що містить відсоток участі в робочій силі за роками для людей 25–54 років у чотирьох расових групах (White, Black, Asian та Hispanic) і для обох статей. Ви створите стовпчикову діаграму участі в робочій силі залежно від року. Щоб розділити діаграму за демографічними групами, ви спочатку застосуєте melt до датафрейму. Датафрейм уже має підхожі назви стовпців.

pandas і seaborn імпортовано зі звичними псевдонімами. unemp_by_race завантажено, і п'ять стовпців показано в консолі.

Ця вправа є частиною курсу

Аналіз даних перепису США в Python

Переглянути курс

Інструкції до вправи

Застосуйте melt до датафрейму lf_by_race, встановивши var_name у "demographic" і value_name у "labor_force_participation"; чи можете ви визначити відповідний стовпець для параметра id_vars?
Викличте sns.barplot, розмістивши рік на осі x, а участь у робочій силі — на осі y; далі використайте параметр hue, щоб показати стать, згруповану за роком.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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

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

Редагувати та запускати код