全球人均收入中位数的时间变化
seaborn 的 barplot() 函数使用矩形条显示点估计和置信区间；默认显示均值，但也可以通过向其 estimator 参数传入特定的 numpy 函数来表示其他汇总统计量：
seaborn.barplot(x=None, y=None, data=None, estimator=<function mean>, ...)
在本练习中，您将使用已导入的世界银行数据集，其中包含自 2000 年以来 189 个国家的人均收入数据。为练习按类别显示汇总统计量，您将绘制并比较自 2000 年以来全球人均收入的中位数和均值。
已导入 pandas（别名 pd）、numpy（别名 np）、matplotlib.pyplot（别名 plt）和 seaborn（别名 sns）。工作区中提供了名为 income_trend 的全球收入数据。
本练习是课程的一部分
在 Python 中导入与管理金融数据
练习说明
- 使用
.info()检查income_trend。 - 使用列
'Year'作为x、'Income per Capita'作为y创建一个sns.barplot()，将xticks旋转 45 度后显示结果。 - 在第一次
plt.show()之后使用plt.close()，以便能够显示第二个图。 - 创建第二个
sns.barplot()，使用相同的x和y设置，并使用estimator=np.median计算中位数，然后显示结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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()