Caractéristiques des métropoles ségréguées
Vous avez constaté que la ségrégation est plus forte dans les métropoles industrielles du Nord. Mais ce sont aussi de grandes métropoles, très diverses. Les villes peu diversifiées passent-elles simplement entre les mailles du filet ? Comparons la corrélation entre la taille, la diversité et la ségrégation métropolitaine.
Le DataFrame msa, modifié précédemment pour inclure l’Index of Dissimilarity, a été chargé. Les colonnes sont listées dans la console. La population totale figure dans la colonne population.
pandas et seaborn ont été chargés avec leurs alias habituels.
Cet exercice fait partie du cours
Analyzing US Census Data in Python
Instructions
- Tracez la ségrégation sur l’axe des ordonnées (y) et la population métropolitaine sur l’axe des abscisses (x)
- Calculez le pourcentage d’Afro-Américains et affectez-le à la colonne
black_pct - Tracez la ségrégation en fonction du pourcentage d’Afro-Américains
- Créez un nuage de points de la ségrégation en fonction du pourcentage d’Afro-Américains. Ajoutez les paramètres
sizeethue, tous deux définis sur la colonne"population"
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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()