Charakteristiky segregovaných metropolitních oblastí
Zjistil/a jsi tedy, že segregace je vyšší v severních průmyslových metropolitních oblastech. Jsou to ale zároveň velké a různorodé oblasti. Nedostávají města s nízkou diverzitou nespravedlivou výhodu? Pojďme se podívat, jak spolu velikost a diverzita korelují s mírou metropolitní segregace.
DataFrame msa, upravený v předchozích krocích o přidání Indexu disimilarity, je načtený. Sloupce jsou vypsány v konzoli. Celkový počet obyvatel najdeš ve sloupci population.
Knihovny pandas a seaborn jsou načtené pod obvyklými aliasy.
Toto cvičení je součástí kurzu
Analýza dat amerického sčítání lidu v Pythonu
Pokyny k cvičení
- Vynos segregaci na osu y vs. metropolitní populaci na osu x
- Vypočítej procentuální podíl Afroameričanů a výsledek ulož do sloupce
black_pct - Vynos segregaci vs. procentuální podíl Afroameričanů
- Vytvoř bodový graf (scatterplot) zobrazující segregaci vs. procentuální podíl Afroameričanů. Přidej parametry
sizeahue, oba nastavené na sloupec"population"
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Are large metros more segregated?
sns.lmplot(x = ____, y = ____, data = msa)
plt.show()
# Calculate percentage African-American
msa["black_pct"] = ____
# Are more diverse metros more segregated?
sns.lmplot(____, ____, data = msa)
plt.show()
# Display metro size, percent Black, and segregation in one plot
sns.scatterplot(____, data = msa)
plt.show()