Werkgelegenheid en beroepsbevolking

US Census-gegevens analyseren in Python

Lee Hachadoorian

Asst. Professor of Instruction, Temple University

Arbeidsbegrippen

Beroepsbevolking: Mensen die werken of werk zoeken
Werkloos: Mensen die geen werk kunnen vinden
Werkloosheidspercentage: $$Unemployed / LaborForce$$
Participatiegraad: $$LaborForce / WorkingAgePop$$

Een staafdiagram maken

   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)

Een staafdiagram met werkloosheid per jaar. De staven nemen af van 2011 tot 2017.

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

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

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

pandas.melt

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

# DataFrame smelten
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

Gegroepeerd staafdiagram maken

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

Een staafdiagram met werkloosheid per jaar, met aparte staven voor mannen en vrouwen. De staven nemen af van 2011 tot 2017. De werkloosheid onder mannen is steeds lager dan onder vrouwen.

Laten we oefenen!

US Census-gegevens analyseren in Python