Caractéristiques des régions métropolitaines ségréguées
Vous avez donc constaté que la ségrégation est plus élevée dans les régions métropolitaines industrialisées du Nord. Mais ce sont aussi de grandes régions métropolitaines, plus diversifiées. Les villes peu diversifiées s'en tirent-elles trop facilement? Comparons la façon dont la taille et la diversité sont corrélées à la ségrégation métropolitaine.
Le DataFrame msa, modifié précédemment avec l'ajout de l'indice de dissemblance, a été chargé. Les colonnes sont listées dans la console. La population totale figure dans la colonne population.
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
Instructions de l’exercice
- Tracez la ségrégation sur l'axe des y par rapport à la population métropolitaine sur l'axe des x
- Calculez le pourcentage d'Afro-Américains et assignez-le à la colonne
black_pct - Tracez la ségrégation par rapport au pourcentage d'Afro-Américains
- Créez un nuage de points de la ségrégation par rapport au pourcentage d'Afro-Américains. Ajoutez les paramètres
sizeethue, tous deux définis sur la colonne"population"
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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()