D in einer Schleife berechnen

Ist Georgias Index of Dissimilarity von 0,544 hoch oder niedrig? Vergleichen wir ihn mit Illinois (FIPS = 17), der Heimat von Chicago.

In dieser Übung verwenden wir eine Schleife, um $D$ für alle Bundesstaaten zu berechnen und vergleichen anschließend Georgia und Illinois.

Denk daran, dass die Formel für den Index of Dissimilarity lautet:

$$D = \frac{1}{2}\sum{\left\lvert \frac{a}{A} - \frac{b}{B} \right\rvert}$$

pandas wurde mit dem üblichen Alias importiert, und das DataFrame tracts mit den Bevölkerungs-Spalten "white" und "black" wurde geladen. Die Variablen w und b wurden mit den Spaltennamen "white" und "black" definiert.

Diese Übung ist Teil des Kurses

<Kurs>Analyse von US-Volkszählungsdaten mit Python</Kurs>

Kurs ansehen

Übungsanweisungen

Verwende die Methode unique() auf der Spalte "state", um eine Liste der FIPS-Codes der Bundesstaaten zu erstellen.
Nutze eine for-Schleife, um jedes Element von states (also jeden FIPS-Code) in einer Variablen state zu speichern.
Filtere das DataFrame tracts für jeden Wert von state und weise das Ergebnis tmp zu.
Berechne $D$ für jeden Bundesstaat, indem du die Formel auf tmp anwendest, und speichere das Ergebnis im Dictionary state_D.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Get list of state FIPS Codes
states = list(tracts["state"].____)

state_D = {}  # Initialize dictionary as collector
for state in ____:
    # Filter by state
    tmp = ____
    
    # Add Index of Dissimilarity to Dictionary
    state_D[state] = 0.5 * sum(____)

# Print D for Georgia (FIPS = 13) and Illinois (FIPS = 17)    
print("Georgia D =", round(state_D["13"], 3))
print("Illinois D =", round(state_D["17"], 3))

Code bearbeiten und ausführen