Tracts और Metropolitan Areas को जोड़ना
merge मेथड कैसे काम करता है, इस पर फोकस करने के लिए, आपके लिए Dissimilarity Index निकालने वाला एक फंक्शन दिया गया है। (अगले अभ्यास में आप यह फंक्शन खुद बनाएँगे!)
इस फंक्शन को लागू करने के लिए, आपको tracts DataFrame में MSA पहचानकर्ता जोड़ने होंगे। आप state और county को, जो दोनों DataFrames में मौजूद हैं, join keys के रूप में इस्तेमाल करेंगे। अंत में, आप seaborn के stripplot मेथड का उपयोग करके सबसे अधिक segregated दस मेट्रो दिखाएँगे।
जिस tracts DataFrame का आपने पहले उपयोग किया था, वह लोड है। MSA के हिसाब से जनसंख्या डेटा msa के रूप में लोड है, और शुरुआती कुछ पंक्तियाँ कंसोल में दिखाई गई हैं। अंत में, msa_def उन counties के साथ लोड है जो प्रत्येक MSA बनाते हैं।
pandas और seaborn सामान्य aliases के साथ लोड किए गए हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में US Census डेटा का विश्लेषण
अभ्यास निर्देश
msaDataFrame परnlargestमेथड का उपयोग करके"population"के आधार पर सबसे बड़े 50 मेट्रो लौटाएँ।tractsऔरmsa_defदोनों में"state"और"county"कॉलम हैं। इन कॉलम्स पर join करने के लिएonपैरामीटर के साथmergeमेथड का उपयोग करें।- MSA पहचानकर्ता पर
msaऔरmsa_Dको जोड़ने के लिएmergeमेथड का उपयोग करें।
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Find identifiers for 50 largest metros by population
msa50 = list(msa.____["msa"])
# Join MSA identifiers to tracts, restrict to largest 50 metros
msa_tracts = pd.merge(____, ____, on = ____)
msa_tracts = msa_tracts[msa_tracts["msa"].isin(msa50)]
# Calculate D using custom function, merge back into MSA
msa_D = dissimilarity(msa_tracts, "white", "black", "msa")
msa = pd.merge(msa, msa_D, ____, ____)
# Plot ten most segregated metros
sns.stripplot(x = "D", y = "name", data = msa.nlargest(10, "D"))
plt.show()