全球人均所得的中位數隨時間變化
seaborn 的 barplot() 會以長條顯示點估計與信賴區間；預設是顯示平均數，但你也可以在 estimator 參數傳入特定的 numpy 函式來改用其他統計量：
seaborn.barplot(x=None, y=None, data=None, estimator=<function mean>, ...)
在這個練習中，你會使用已匯入的世界銀行資料集，內容為自 2000 年以來 189 個國家的全球人均所得。為了練習依類別顯示摘要統計量，你將繪製並比較自 2000 年以來全球人均所得的中位數與平均數。
已匯入 pandas 為 pd、numpy 為 np、matplotlib.pyplot 為 plt，以及 seaborn 為 sns。全域所得資料已載入工作環境中的 income_trend。
本練習屬於課程
在 Python 中匯入與管理財務資料
練習說明
- 使用
.info()檢視income_trend。 - 建立一個
sns.barplot()，x使用欄位'Year'，y使用欄位'Income per Capita'，並將xticks旋轉 45 度後顯示結果。 - 在第一次
plt.show()之後使用plt.close()，以便顯示第二張圖。 - 以相同的
x與y設定建立第二個sns.barplot()，並使用estimator=np.median計算中位數，然後顯示結果。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Inspect the data
income_trend.____()
# Create barplot
sns.barplot(x=____, y='Income per Capita', data=____)
# Rotate xticks
plt.____(____=____)
# Show the plot
plt.show()
# Close the plot
plt.close()
# Create second barplot
sns.barplot(x=____, y='Income per Capita', data=____, estimator=____)
# Rotate xticks
plt.____(____)
# Show the plot
plt.show()