Desemprego entre brancos e negros

Neste exercício, você vai comparar o desemprego metropolitano entre homens brancos e negros. msa_black_emp já está carregado. Um novo DataFrame, msa_white_emp, com dados da tabela C23002A do ACS de 5 anos de 2012, também está carregado. A porcentagem de desemprego já foi calculada para você. Você vai restringir ambos os DataFrames às colunas de interesse (as que mostram a porcentagem de emprego masculino), unir os DataFrames e aplicar melt para obter um DataFrame arrumado para visualização com seaborn.

pandas e seaborn foram carregados usando os aliases usuais.

Este exercício faz parte do curso

Analisando dados do Censo dos EUA em Python

Ver curso

Instruções do exercício

Crie tidy_white_emp restringindo msa_white_emp às colunas "msa" e "pct_male_unemp", depois renomeie a segunda coluna para "white"
Faça o merge de tidy_black_emp e tidy_white_emp na coluna "msa"; atribua a tidy_emp
Use melt em tidy_emp. O value_vars deve ser os nomes das duas colunas de raça; defina var_name como "race" e value_name como "unemployment"
Plote desemprego vs. dissímilaridade, condicionando por raça usando o parâmetro hue

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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()

Editar e executar o código