探索 Jobs 数据集

在本练习中，您将探索新的 jobs DataFrame，其中包含 2000-2010 年间美国不同行业的失业率。该数据集包含 16 个行业的时间序列，以及 122 个时间点（10 年中每个月 1 个）。通常，数据科学项目的典型流程会涉及数据清洗和探索，因此我们先读取数据并检查是否存在缺失值。

本练习是课程的一部分

用 Python 可视化时间序列数据

查看课程

练习说明

我们已将 pandas 以 pd 导入。

读取位于 url_jobs 的 csv 文件到名为 jobs 的 DataFrame 中，并查看每列的数据类型。
将 jobs 中的 datestamp 列转换为 datetime 类型。
将 datestamp 列设为 jobs 的索引。
打印 jobs 各列中的缺失值数量。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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().____())

编辑并运行代码