巴西、中国与美国的增长率

现在将分析从各国人均收入的水平扩展到增长率。文件 'income_growth.csv' 包含巴西、中国和美国过去 40 年的人均收入增长率。

您将用 KDE 图将各国历史增长率的分布绘制在同一张图上，以便直观比较这些市场在该时期经历的增长区间。

从本练习起，即使说明未明确要求，您也应在控制台中使用 .info() 检查任何 DataFrame。pandas 已以 pd 导入，seaborn 以 sns 导入，matplotlib.pyplot 以 plt 导入。

本练习是课程的一部分

在 Python 中导入与管理金融数据

查看课程

练习说明

将文件 'income_growth.csv' 加载到变量 growth。将 'DATE' 列解析为 dtype 为 datetime64，并将其设为索引。
使用适当的函数查看这三个增长率的汇总统计。
在 for 循环中遍历 growth.columns 属性以访问列标签。大部分代码已为您提供框架。
- 在每次调用 distplot() 时，传入迭代变量 column 以选择相应列，将关键字参数 hist 设为 False，并将 label 设为 column。
- 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。

# Load the file into growth
growth = pd.read_csv(____, parse_dates=____).____(____)

# Inspect the summary statistics for the growth rates
growth.____()

# Iterate over the three columns
for column in growth.____:
    sns.____(growth[____], hist=____, label=____)
    
# Show the plot
plt.show()

编辑并运行代码