劳动参与率

失业率下降，可能是因为劳动参与率在降低——也就是说，找工作的人变少了！在本练习中，您将探究这种可能性。您将从一个 DataFrame lf_by_race 开始，该表给出了 25–54 岁人群在四个种族组（White、Black、Asian、Hispanic）以及两种性别下，按年份统计的劳动参与率（百分比）。您将创建一个以年份为横轴的劳动参与率柱状图。为便于按人口统计组对柱状图分面，您需要先对 DataFrame 执行 melt。该 DataFrame 的列名已经适合使用。

已按常用别名导入了 pandas 和 seaborn。unemp_by_race 已加载，并且在控制台中显示了 5 列。

本练习是课程的一部分

使用 Python 分析美国人口普查数据

查看课程

练习说明

对 lf_by_race DataFrame 执行 melt，将 var_name 设为 "demographic"，value_name 设为 "labor_force_participation"；您能确定 id_vars 参数应使用哪一列吗？
调用 sns.barplot，将年份放在 x 轴、劳动参与率放在 y 轴；然后使用 hue 参数按年份分组显示性别。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Melt DataFrame by demographic group
lf_by_race = lf_by_race.melt(
        ____,
        ____,
        ____
		)

# Plot labor force particpation by group by year
sns.barplot(____)
plt.show()

编辑并运行代码