La ségrégation engendre la ségrégation
Vous avez vu qu’il existe relativement peu de secteurs de recensement à Chicago où cohabitent Afro-Américains et autres groupes raciaux. Comment ces secteurs évoluent-ils dans le temps ? tracts_cook est chargé, et vous avez déjà calculé le pourcentage d’Afro-Américains en 2010. Commencez par faire de même pour 1990, puis calculez l’évolution en points de pourcentage en le soustrayant à la valeur de 2010. Vous utiliserez ensuite regplot pour représenter cette variation en fonction de la valeur initiale (1990).
Pour interpréter le graphique, ajoutez une ligne de référence rouge représentant « aucun changement ». regplot vous permet aussi d’ajouter une courbe LOWESS (avec lowess = True) pour indiquer la tendance locale des données.
pandas et seaborn sont chargés avec leurs alias habituels.
Cet exercice fait partie du cours
<cours>Analyzing US Census Data in Python</cours>Instructions de l’exercice
- Calculez le pourcentage d’Afro-Américains de chaque secteur en 1990
- Calculez l’évolution en points de pourcentage du groupe afro-américain, en soustrayant la valeur de 1990 à celle de 2010
- Pour vous concentrer sur les secteurs racialement mixtes, restreignez
tracts_cookaux secteurs oùpct_black_1990est compris entre 30 % et 70 % - Tracez la variation 1990–2000 du pourcentage de population noire (axe y) en fonction du pourcentage de population noire en 1990 (axe x) ; utilisez
lowess = Truepour ajouter une courbe de tendance lissée
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Calculate percent Black in 1990 and percentage point change from 1990 to 2000
tracts_cook["pct_black_1990"] = ____
tracts_cook["pct_black_change"] = ____
# Retain tracts between 30% and 70% Black in 1990
tracts_mixed = tracts_cook[(____) & (____)]
# Plot change vs. percent Black in 1990, with "no change" reference line
sns.regplot(____, ____, ____, data = tracts_mixed)
plt.plot([30, 70], [0, 0], linestyle = "--", color = "red")
plt.show()