Características de las áreas metropolitanas segregadas
Ya has visto que la segregación es mayor en áreas metropolitanas industriales del Norte. Pero también son áreas grandes y diversas. ¿Las ciudades con poca diversidad están saliendo beneficiadas? Comparemos cómo se relacionan el tamaño y la diversidad con la segregación metropolitana.
El DataFrame msa, modificado previamente con la incorporación del Índice de Disimilitud, ya está cargado. Las columnas se han listado en la consola. La población total aparece en la columna population.
pandas y seaborn se han importado con los alias habituales.
Este ejercicio forma parte del curso
Análisis de datos del Censo de EE. UU. con Python
Instrucciones del ejercicio
- Representa la segregación en el eje y frente a la población metropolitana en el eje x
- Calcula el porcentaje de población afroamericana y asígnalo a la columna
black_pct - Representa la segregación frente al porcentaje de población afroamericana
- Crea un diagrama de dispersión de segregación frente al porcentaje de población afroamericana. Añade los parámetros
sizeyhue, ambos establecidos a la columna"population"
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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()