Comparer les conséquences des excès de vitesse selon le genre
Lorsqu'un conducteur est arrêté pour excès de vitesse, plusieurs pensent que le genre influence la probabilité de recevoir un constat d'infraction ou un avertissement. Pouvez-vous trouver des indices de cet effet dans l'ensemble de données?
D'abord, vous créerez deux DataFrame pour les personnes arrêtées pour excès de vitesse : l'un pour les femmes et l'autre pour les hommes.
Ensuite, pour chaque genre, vous utiliserez la colonne stop_outcome afin de calculer quel pourcentage des interceptions s'est soldé par une « Citation » (c'est-à-dire un constat) plutôt qu'un « Warning » (avertissement).
Cette activité fait partie du cours
Analyse de l'activité policière avec pandas
Instructions de l’exercice
- Créez un DataFrame,
female_and_speeding, qui inclut uniquement les conductrices arrêtées pour excès de vitesse. - Créez un DataFrame,
male_and_speeding, qui inclut uniquement les conducteurs arrêtés pour excès de vitesse. - Comptez les conséquences d'interception pour les conductrices et exprimez-les en proportions.
- Comptez les conséquences d'interception pour les conducteurs et exprimez-les en proportions.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Create a DataFrame of female drivers stopped for speeding
female_and_speeding = ri[____]
# Create a DataFrame of male drivers stopped for speeding
male_and_speeding = ri[____]
# Compute the stop outcomes for female drivers (as proportions)
print(female_and_speeding.____)
# Compute the stop outcomes for male drivers (as proportions)
print(male_and_speeding.____)