Menghitung D dalam Sebuah Loop

Apakah Indeks Dissimilarity Georgia sebesar 0,544 tergolong tinggi atau rendah? Mari bandingkan dengan Illinois (FIPS = 17), tempat kota Chicago.

Dalam latihan ini kita akan menggunakan sebuah loop untuk menghitung $D$ untuk semua negara bagian, lalu membandingkan Georgia dan Illinois.

Ingat bahwa rumus untuk Indeks Dissimilarity adalah:

$$D = \frac{1}{2}\sum{\left\lvert \frac{a}{A} - \frac{b}{B} \right\rvert}$$

pandas telah diimpor menggunakan alias biasa, dan DataFrame tracts dengan kolom populasi "white" dan "black" telah dimuat. Variabel w dan b telah didefinisikan dengan nama kolom "white" dan "black".

Latihan ini adalah bagian dari kursus

Menganalisis Data Sensus AS dengan Python

Lihat Kursus

Petunjuk latihan

Gunakan metode unique() pada kolom "state" untuk membuat daftar kode FIPS negara bagian.
Gunakan for-loop untuk menyimpan setiap elemen states (yaitu setiap kode FIPS) dalam variabel bernama state.
Saring DataFrame tracts pada setiap nilai state, dan simpan ke tmp.
Hitung $D$ untuk setiap negara bagian dengan menerapkan rumus pada tmp, dan simpan hasilnya dalam dictionary state_D.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Get list of state FIPS Codes
states = list(tracts["state"].____)

state_D = {}  # Initialize dictionary as collector
for state in ____:
    # Filter by state
    tmp = ____
    
    # Add Index of Dissimilarity to Dictionary
    state_D[state] = 0.5 * sum(____)

# Print D for Georgia (FIPS = 13) and Illinois (FIPS = 17)    
print("Georgia D =", round(state_D["13"], 3))
print("Illinois D =", round(state_D["17"], 3))

Edit dan Jalankan Kode