Segregacja rodzi kolejną segregację
Widzisz już, że w Chicago istnieje stosunkowo niewiele okręgów spisowych z mieszaną strukturą rasową – zarówno Afroamerykanie, jak i inne grupy. Jak te okręgi zmieniają się w czasie? Zbiór tracts_cook jest wczytany, a odsetek Afroamerykanów w 2010 roku masz już obliczony. Zacznij od wykonania tego samego dla roku 1990, a następnie oblicz zmianę w punktach procentowych, odejmując wartość z 1990 roku od wartości z 2010 roku. Następnie użyj funkcji regplot, aby zwizualizować tę zmianę w odniesieniu do wartości początkowej (z 1990 roku).
Aby ułatwić interpretację wykresu, dodaj czerwoną linię odniesienia reprezentującą „brak zmiany". Funkcja regplot pozwala też dodać krzywą LOWESS (za pomocą lowess = True), która wskazuje lokalny trend w danych.
Biblioteki pandas i seaborn są wczytane ze standardowymi aliasami.
To ćwiczenie jest częścią kursu
Analiza danych spisowych USA w Pythonie
Instrukcje do ćwiczenia
- Oblicz odsetek Afroamerykanów w każdym okręgu spisowym w 1990 roku
- Oblicz zmianę w punktach procentowych udziału Afroamerykanów, odejmując wartość z 1990 roku od wartości z 2010 roku
- Aby skupić się na okręgach o mieszanym składzie rasowym, ogranicz
tracts_cookdo tych okręgów, w którychpct_black_1990wynosi między 30% a 70% - Wykreśl zmianę odsetka osób czarnoskórych w latach 1990–2010 (oś Y) względem odsetka osób czarnoskórych w 1990 roku (oś X); użyj
lowess = True, aby dodać wygładzoną krzywą trendu
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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()