Segregatie leidt tot meer segregatie
Je hebt gezien dat er in Chicago relatief weinig tracts zijn met een mix van Afro-Amerikaanse en andere bevolkingsgroepen. Hoe ontwikkelen deze tracts zich in de tijd? tracts_cook is geladen, en je hebt het percentage Afro-Amerikanen in 2010 al berekend. Je begint met hetzelfde voor 1990 en berekent daarna het verschil in procentpunten door deze waarde van 2010 af te trekken. Vervolgens gebruik je regplot om deze verandering uit te zetten tegen de beginwaarde (1990).
Om de plot te kunnen interpreteren, voeg je een rode referentielijn toe die "geen verandering" weergeeft. Met regplot kun je ook een LOWESS-curve toevoegen (met lowess = True) om de lokale trend in de data te laten zien.
pandas en seaborn zijn geladen met de gebruikelijke aliassen.
Deze oefening maakt deel uit van de cursus
US Census-gegevens analyseren in Python
Oefeninstructies
- Bereken het percentage Afro-Amerikanen voor elke tract in 1990
- Bereken het verschil in procentpunten voor Afro-Amerikanen door de waarde van 1990 af te trekken van die van 2010
- Om je te richten op de raciaal gemengde tracts, beperk je
tracts_cooktot de tracts waarpct_black_1990tussen 30% en 70% ligt - Plot de verandering in percentage Zwart van 1990–2000 (y-as) versus het percentage Zwart in 1990 (x-as); gebruik
lowess = Trueom een vloeiende trendcurve toe te voegen
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Calculate percent Black in 1990 and percentage point change from 1990 to 2000
tracts_cook["pct_black_1990"] = ____
tracts_cook["pct_black_change"] = ____
# Retain tracts between 30% and 70% Black in 1990
tracts_mixed = tracts_cook[(____) & (____)]
# Plot change vs. percent Black in 1990, with "no change" reference line
sns.regplot(____, ____, ____, data = tracts_mixed)
plt.plot([30, 70], [0, 0], linestyle = "--", color = "red")
plt.show()