Побудуйте помісячні та порічні тренди
Як ми бачили в розділі 2, коли індекс датафрейму має тип datetime, можна безпосередньо отримати день, місяць або рік кожної дати в індексі. Нагадаємо: рік кожної дати в індексі можна отримати через атрибут .index.year. Потім можна використати методи .groupby() і .mean(), щоб обчислити середнє річне значення для кожного часового ряду у вашому датафреймі:
index_year = df.index.year
df_by_year = df.groupby(index_year).mean()
Тепер ви застосуєте це, щоб відобразити агреговані середні значення кожного часового ряду в датафреймі jobs.
Ця вправа є частиною курсу
Візуалізація часових рядів у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Extract the month from the index of jobs
index_month = ____.____.____
# Compute the mean unemployment rate for each month
jobs_by_month = ____.____(____).____()
# Plot the mean unemployment rate for each month
ax = ____.plot(fontsize=6, linewidth=1)
# Set axis labels and legend
ax.set_xlabel('Month', fontsize=10)
ax.set_ylabel('Mean unemployment rate', fontsize=10)
ax.legend(bbox_to_anchor=(0.8, 0.6), fontsize=10)
plt.show()