探索 Jobs 資料集

在這個練習中，你會探索新的 jobs DataFrame，裡面包含 2000–2010 年間美國各產業的失業率。你會看到，這個資料集包含 16 個產業的時間序列，以及 122 個時間點（10 年中每個月各 1 筆）。一般來說，資料科學專案的典型流程會包含資料清理與探索，所以我們先從讀取資料並檢查是否有遺漏值開始。

本練習屬於課程

使用 Python 視覺化時間序列資料

檢視課程

練習說明

我們已經將 pandas 以 pd 匯入。

讀取位於 url_jobs 的 CSV 檔為名為 jobs 的 DataFrame，並檢視各欄位的資料型別。
將 jobs 中的 datestamp 欄位轉換為 datetime 型別。
將 datestamp 欄位設為 jobs 的索引。
列印 jobs 各欄位的遺漏值數量。

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。

# Read in jobs file
jobs = ____

# Print first five lines of your DataFrame
print(jobs.head(5))

# Check the type of each column in your DataFrame
print(jobs.dtypes)

# Convert datestamp column to a datetime object
jobs[____] = ____(jobs[____])

# Set the datestamp columns as the index of your DataFrame
jobs = ____('datestamp')

# Check the number of missing values in each column
print(jobs.isnull().____())

編輯並執行程式碼