D berekenen in een lus

Is Georgia's Index of Dissimilarity van 0,544 hoog of laag? Laten we het vergelijken met Illinois (FIPS = 17), de thuisstaat van Chicago.

In deze oefening gebruiken we een lus om $D$ voor alle staten te berekenen en vergelijken we vervolgens Georgia en Illinois.

Onthoud dat de formule voor de Index of Dissimilarity is:

$$D = \frac{1}{2}\sum{\left\lvert \frac{a}{A} - \frac{b}{B} \right\rvert}$$

pandas is geïmporteerd met de gebruikelijke alias, en de tracts DataFrame met bevolkingskolommen "white" en "black" is geladen. De variabelen w en b zijn gedefinieerd met de kolomnamen "white" en "black".

Deze oefening maakt deel uit van de cursus

US Census-gegevens analyseren in Python

Bekijk cursus

Oefeninstructies

Gebruik de methode unique() op de kolom "state" om een lijst met FIPS-codes van staten te maken.
Gebruik een for-lus om elk element van states (dus elke FIPS-code) op te slaan in een variabele met de naam state.
Filter de tracts DataFrame op elke waarde van state en wijs toe aan tmp.
Bereken $D$ voor elke staat door de formule toe te passen op tmp, en sla het resultaat op in het woordenboek state_D.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Get list of state FIPS Codes
states = list(tracts["state"].____)

state_D = {}  # Initialize dictionary as collector
for state in ____:
    # Filter by state
    tmp = ____
    
    # Add Index of Dissimilarity to Dictionary
    state_D[state] = 0.5 * sum(____)

# Print D for Georgia (FIPS = 13) and Illinois (FIPS = 17)    
print("Georgia D =", round(state_D["13"], 3))
print("Illinois D =", round(state_D["17"], 3))

Code bewerken en uitvoeren