백인과 흑인의 실업률
이 연습 문제에서는 대도시권에서 백인과 흑인 남성의 실업률을 비교합니다. msa_black_emp는 로드되어 있습니다. 2012년 5개년 ACS의 표 C23002A에서 가져온 데이터로 구성된 새 DataFrame msa_white_emp도 로드되어 있습니다. 실업률(퍼센트)은 이미 계산되어 있습니다. 관심 있는 열(남성 고용 관련 퍼센트가 담긴 열)만 두 DataFrame에서 선택하여 제한하고, 두 DataFrame을 조인한 뒤, seaborn으로 시각화할 수 있도록 melt를 사용해 타이디 형태의 DataFrame으로 변환하세요.
pandas와 seaborn은 일반적인 별칭으로 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 미국 인구조사 데이터 분석하기
연습 안내
msa_white_emp에서"msa"와"pct_male_unemp"열만 남겨tidy_white_emp를 만들고, 두 번째 열 이름을"white"로 바꾸세요."msa"열을 기준으로tidy_black_emp와tidy_white_emp를 머지하여tidy_emp에 할당하세요.tidy_emp에melt를 적용하세요.value_vars에는 두 인종 열의 이름을 사용하고,var_name은"race",value_name은"unemployment"로 설정하세요.hue매개변수를 사용해 인종별로 구분하여 실업률과 이질성(dissimilarity)의 관계를 시각화하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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()