İstihdam ve İşgücü

Python ile ABD Nüfus Sayımı Verilerini Analiz Etme

Lee Hachadoorian

Asst. Professor of Instruction, Temple University

İstihdam Kavramları

İşgücü: Çalışan veya iş arayan kişiler
İşsiz: İş bulamayan kişiler
İşsizlik Oranı: $$Unemployed / LaborForce$$
İşgücüne Katılım Oranı: $$LaborForce / WorkingAgePop$$

Çubuk Grafik Oluşturma

   year  pct_unemployed
0  2011       10.264992
0  2012        9.373092
0  2013        8.435212
0  2014        7.226895
0  2015        6.297886
0  2016        5.750313
0  2017        5.281027

sns.barplot(
  x = "year", y = "pct_unemployed", 
  color = "cornflowerblue", 
  data = employment)

Yıla göre işsizliği gösteren bir çubuk grafik. Çubuklar 2011'den 2017'ye küçülür.

pandas.melt

print(hispanic_unemployment)

   year  pct_hisp_male_25to54_unemp  pct_hisp_female_25to54_unemp
0  2011                    9.352638                     11.426135
0  2012                    8.062535                     10.751855
0  2013                    6.915451                      9.524808
0  2014                    5.724187                      8.285590
0  2015                    5.040303                      7.070101
0  2016                    4.568206                      6.521980
0  2017                    4.184646                      5.706956

pandas.melt

# Sütunları yeniden adlandır
col_rename = {"pct_hisp_male_25to54_unemp": "male",
             "pct_hisp_female_25to54_unemp": "female"}
hispanic_unemployment.rename(columns = col_rename, inplace = True)

# DataFrame'i melt et
tidy_unemp = hispanic_unemployment.melt(
        id_vars = "year",
        value_vars = ["male", "female"],
        var_name = "sex",
        value_name = "pct_unemployed")

pandas.melt

# Sütunları yeniden adlandır
col_rename = {"pct_hisp_male_25to54_unemp": "male",
             "pct_hisp_female_25to54_unemp": "female"}
hispanic_unemployment.rename(columns = col_rename, inplace = True)

# DataFrame'i melt et
tidy_unemp = hispanic_unemployment.melt(
        id_vars = "year",
        # value_vars = ["male", "female"],
        var_name = "sex",
        value_name = "pct_unemployed")

pandas.melt

    year     sex  pct_unemployed
0   2011    male        9.352638
1   2012    male        8.062535
2   2013    male        6.915451
3   2014    male        5.724187
4   2015    male        5.040303
5   2016    male        4.568206
6   2017    male        4.184646
7   2011  female       11.426135
8   2012  female       10.751855
9   2013  female        9.524808
10  2014  female        8.285590
11  2015  female        7.070101
12  2016  female        6.521980
13  2017  female        5.706956

Gruplandırılmış Çubuk Grafik Oluşturma

sns.barplot(x = "year", y = "pct_unemployed", hue = "sex", 
            data = tidy_unemp)

Yıla göre işsizlik için, erkek ve kadın ayrı çubuklarla gösterilen bir çubuk grafik. Çubuklar 2011'den 2017'ye küçülür. Erkek işsizlik oranı her zaman kadınlardan düşüktür.

Hadi pratik yapalım!

Python ile ABD Nüfus Sayımı Verilerini Analiz Etme