白人と黒人の失業率
この演習では、都市圏における白人男性と黒人男性の失業率を比較します。msa_black_emp は読み込まれています。2012年の5年推計ACSの表 C23002A から取得したデータを使った新しいDataFrame msa_white_emp も読み込まれています。失業率（パーセンテージ）はすでに計算済みです。関心のある列（男性の雇用割合を示す列）のみに両方のDataFrameを絞り込み、結合してから、melt を使って可視化に適した整然データに変換し、seaborn で可視化します。
pandas と seaborn は通常のエイリアスで読み込まれています。
この演習はコースの一部です
Pythonで学ぶ米国センサスデータ分析
演習の手順
msa_white_empを列"msa"と"pct_male_unemp"のみに絞り込み、2列目の名前を"white"に変更してtidy_white_empを作成します"msa"列でtidy_black_empとtidy_white_empを結合し、tidy_empに代入しますtidy_empに対してmeltを使います。value_varsには2つの人種の列名を指定し、var_nameを"race"、value_nameを"unemployment"に設定しますhueパラメータで人種を指定し、失業率と異質性の関係をプロットします
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Restrict DataFrame to columns of interest, rename columns
tidy_black_emp = msa_black_emp[["msa", "D", "pct_male_unemp"]]
tidy_black_emp.columns = ["msa", "D", "black"]
tidy_white_emp = ____
tidy_white_emp.columns = ____
tidy_emp = ____
# Use melt to create tidy DataFrame
tidy_msa_emp = tidy_emp.melt(id_vars = ["msa", "D"],
value_vars = ____, var_name = ____,
value_name = ____)
# Visually compare male and female unemployment
sns.lmplot(____, data = tidy_msa_emp)
plt.show()