Тенденції інфляції в Китаї, Індії та США

Нарешті, пакет seaborn містить функції, які дають змогу візуалізувати розподіл рівнів категоріальних змінних.

У наступних двох вправах ви розглянете історичні дані щодо інфляції в Китаї, Індії та США за останні 50+ років із FRED. Перш ніж переходити до функцій, які ви щойно вивчили, варто спершу ознайомитися з сирими даними. pandas як pd, matplotlib.pyplot як plt і seaborn як sns уже імпортовано. Дані FRED про інфляцію доступні у вашому робочому середовищі як inflation.

Ця вправа є частиною курсу

Імпорт і керування фінансовими даними в Python

Переглянути курс

Інструкції до вправи

Перегляньте inflation за допомогою .info().
Згрупуйте inflation за 'Country' і присвойте результат змінній inflation_by_country.
У циклі for ітеруйте пари country, data, які повертає inflation_by_country. На кожній ітерації викликайте .plot() для data, встановивши title у значення country, щоб показати історичний часовий ряд.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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()

Редагувати та запускати код