Gevolgen van Black-White-segregatie naar sekse
Met seaborn kun je twee variabelen plotten, geconditioneerd op een derde variabele. De twee variabelen zijn dissimilariteit en werkloosheid, en we conditioneren de scatterplot op een derde variabele, sekse, door de kleur van de punten en regressielijn te laten afhangen van de gerapporteerde sekse. Maar eerst moeten we msa_black_emp omzetten naar een "tidy" DataFrame.
msa_black_emp is al geladen, met de kolommen "pct_male_unemp" en "pct_female_unemp", zoals berekend in de vorige oefening.
pandas en seaborn zijn geladen met de gebruikelijke aliassen.
Deze oefening maakt deel uit van de cursus
US Census-gegevens analyseren in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Restrict DataFrame to columns of interest, rename columns
tidy_black_emp = msa_black_emp[____]
tidy_black_emp.columns = ____