Eigenschaften segregierter Metropolregionen
Du hast festgestellt, dass die Segregation in nördlichen, industrialisierten Metropolregionen höher ist. Aber das sind auch große, vielfältige Regionen. Bekommen Städte mit geringer Diversität hier einfach einen Freifahrtschein? Lass uns vergleichen, wie Größe und Diversität mit der Metropol-Segregation zusammenhängen.
Das DataFrame msa, zuvor um den Index der Unähnlichkeit erweitert, wurde geladen. Die Spalten sind in der Konsole aufgelistet. Die Gesamtbevölkerung steht in der Spalte population.
pandas und seaborn wurden mit den üblichen Aliasen geladen.
Diese Übung ist Teil des Kurses
Analyse von US-Volkszählungsdaten mit Python
Anleitung zur Übung
- Stelle Segregation auf der y-Achse gegen die Metropolbevölkerung auf der x-Achse dar
- Berechne den prozentualen Anteil Afroamerikaner und weise ihn der Spalte
black_pctzu - Stelle Segregation gegen den prozentualen Anteil Afroamerikaner dar
- Erstelle einen Scatterplot von Segregation gegen den prozentualen Anteil Afroamerikaner. Füge die Parameter
sizeundhuehinzu, beide gesetzt auf die Spalte"population"
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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()