Dùng .melt() để định hình lại dữ liệu chính phủ
US Bureau of Labor Statistics (BLS) thường cung cấp chuỗi dữ liệu ở định dạng dễ đọc — có cột riêng cho từng tháng, và mỗi năm là một hàng khác nhau. Đáng tiếc, định dạng rộng này khiến việc trực quan hóa dữ liệu theo thời gian trở nên khó khăn. Trong bài tập này, bạn sẽ định hình lại một bảng dữ liệu tỷ lệ thất nghiệp của Mỹ từ BLS sang dạng có thể vẽ được bằng .melt(). Bạn sẽ cần thêm một cột ngày vào bảng và sắp xếp theo cột này để vẽ dữ liệu chính xác.
Dữ liệu tỷ lệ thất nghiệp đã được nạp sẵn trong bảng tên ur_wide. Bạn nên khám phá bảng này trước khi bắt đầu bài tập.
Bài tập này là một phần của khóa học
Kết hợp dữ liệu với pandas
Hướng dẫn bài tập
- Dùng
.melt()để unpivot tất cả các cột củaur_widetrừyearvà đảm bảo các cột tháng và giá trị lần lượt được đặt tên làmonthvàunempl_rate. Lưu kết quả làur_tall. - Thêm vào
ur_tallmột cột têndatekết hợpyearvàmonththeo định dạng year-month thành một chuỗi dài hơn, rồi chuyển nó sang kiểu dữ liệu ngày. - Sắp xếp
ur_talltheodatevà lưu thànhur_sorted. - Dùng
ur_sorted, vẽunempl_ratetrên trục y vàdatetrên trục x.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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()