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 y completa el código de muestra.
# Restrict DataFrame to columns of interest, rename columns
tidy_black_emp = msa_black_emp[____]
tidy_black_emp.columns = ____