Impactos de la segregación entre población negra y blanca por sexo
seaborn nos permite representar dos variables condicionadas por una tercera. Las dos variables serán disimilitud y desempleo, y condicionaremos el diagrama de dispersión por una tercera variable, el sexo, cambiando el color de los puntos y de la línea de regresión según el sexo informado. Pero antes tenemos que convertir msa_black_emp en un DataFrame "ordenado" (tidy).
msa_black_emp ya está cargado, con las columnas "pct_male_unemp" y "pct_female_unemp" calculadas en el ejercicio anterior.
pandas y seaborn se han cargado con los alias habituales.
Este ejercicio forma parte del curso
Análisis de datos del Censo de EE. UU. con Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Restrict DataFrame to columns of interest, rename columns
tidy_black_emp = msa_black_emp[____]
tidy_black_emp.columns = ____