Segregation führt zu mehr Segregation
Du hast gesehen, dass es in Chicago relativ wenige Tracts mit einer Mischung aus Afroamerikaner:innen und anderen Bevölkerungsgruppen gibt. Wie entwickeln sich diese Tracts im Zeitverlauf? tracts_cook ist geladen, und du hast bereits den Prozentanteil Afroamerikaner:innen für 2010 berechnet. Du fängst damit an, dasselbe für 1990 zu tun, und berechnest dann die Veränderung in Prozentpunkten, indem du diesen Wert vom 2010-Wert abziehst. Anschließend verwendest du regplot, um diese Veränderung gegen den Ausgangswert (1990) zu plotten.
Um den Plot zu interpretieren, fügst du eine rote Referenzlinie für „keine Veränderung“ hinzu. Mit regplot kannst du außerdem eine LOWESS-Kurve hinzufügen (mit lowess = True), um den lokalen Trend in den Daten zu zeigen.
pandas und seaborn sind mit den üblichen Aliasen geladen.
Diese Übung ist Teil des Kurses
Analyse von US-Volkszählungsdaten mit Python
Anleitung zur Übung
- Berechne den Prozentanteil Afroamerikaner:innen für jeden Tract im Jahr 1990
- Berechne die Veränderung in Prozentpunkten, indem du den Wert von 1990 vom Wert von 2010 abziehst
- Um dich auf die rassisch gemischten Tracts zu konzentrieren, beschränke
tracts_cookauf diejenigen Tracts, bei denenpct_black_1990zwischen 30 % und 70 % liegt - Plotte die Veränderung des Anteils Schwarzer von 1990–2000 (y-Achse) gegenüber dem Anteil Schwarzer im Jahr 1990 (x-Achse); verwende
lowess = True, um eine geglättete Trendkurve hinzuzufügen
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Calculate percent Black in 1990 and percentage point change from 1990 to 2000
tracts_cook["pct_black_1990"] = ____
tracts_cook["pct_black_change"] = ____
# Retain tracts between 30% and 70% Black in 1990
tracts_mixed = tracts_cook[(____) & (____)]
# Plot change vs. percent Black in 1990, with "no change" reference line
sns.regplot(____, ____, ____, data = tracts_mixed)
plt.plot([30, 70], [0, 0], linestyle = "--", color = "red")
plt.show()