Impacts de la ségrégation Noirs-Blancs selon le sexe
seaborn permet de tracer deux variables en les conditionnant à une troisième. Les deux variables seront la dissimilarité et le chômage, et nous conditionnerons le nuage de points à une troisième variable, le sexe, en changeant la couleur des points et de la droite de régression selon le sexe indiqué. Mais d'abord, nous devons transformer msa_black_emp en DataFrame « ordonné » (tidy).
msa_black_emp a été chargé, avec les colonnes "pct_male_unemp" et "pct_female_unemp" telles que calculées dans l'exercice précédent.
pandas et seaborn ont été importés avec les alias habituels.
Cette activité fait partie du cours
Analyser les données du recensement des États-Unis avec Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Restrict DataFrame to columns of interest, rename columns
tidy_black_emp = msa_black_emp[____]
tidy_black_emp.columns = ____