Impatto della segregazione Black-White per sesso
seaborn permette di tracciare due variabili condizionate da una terza variabile. Le due variabili saranno la dissimilarità e la disoccupazione, e condizioneremo lo scatter plot su una terza variabile, il sesso, cambiando il colore dei punti e della retta di regressione in base al sesso riportato. Ma prima dobbiamo trasformare msa_black_emp in un DataFrame "tidy".
msa_black_emp è stato caricato, con le colonne "pct_male_unemp" e "pct_female_unemp" come calcolato nell'esercizio precedente.
pandas e seaborn sono stati caricati usando i soliti alias.
Questo esercizio fa parte del corso
Analizzare i dati del Censimento USA con Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Restrict DataFrame to columns of interest, rename columns
tidy_black_emp = msa_black_emp[____]
tidy_black_emp.columns = ____