Îmbinarea sectoarelor de recensământ cu ariile metropolitane

Pentru a te concentra pe modul în care funcționează metoda merge, o funcție care calculează Indicele de Disimilaritate a fost deja furnizată. (Vei crea această funcție singur în exercițiul următor!)

Pentru a aplica această funcție, trebuie să adaugi identificatorii MSA în DataFrame-ul tracts. Vei folosi state și county, prezente în ambele DataFrame-uri, ca și chei de îmbinare. La final, vei folosi metoda stripplot din seaborn pentru a afișa cele mai segregate zece zone metropolitane.

DataFrame-ul tracts pe care l-ai folosit anterior este încărcat. Datele despre populație pe MSA sunt încărcate ca msa, iar primele câteva rânduri sunt afișate în consolă. De asemenea, msa_def este încărcat cu județele care alcătuiesc fiecare MSA.

pandas și seaborn au fost încărcate cu aliasurile obișnuite.

Acest exercițiu face parte din cursul

Analiza datelor recensământului SUA în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește metoda nlargest pe DataFrame-ul msa pentru a returna cele 50 de zone metropolitane cu cea mai mare "population".
Atât tracts, cât și msa_def au coloanele "state" și "county". Folosește metoda merge cu parametrul on pentru a le îmbina după aceste coloane.
Folosește metoda merge pentru a îmbina msa și msa_D după identificatorul MSA.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Find identifiers for 50 largest metros by population
msa50 = list(msa.____["msa"])

# Join MSA identifiers to tracts, restrict to largest 50 metros
msa_tracts = pd.merge(____, ____, on = ____)
msa_tracts = msa_tracts[msa_tracts["msa"].isin(msa50)]

# Calculate D using custom function, merge back into MSA
msa_D = dissimilarity(msa_tracts, "white", "black", "msa")
msa = pd.merge(msa, msa_D, ____, ____)

# Plot ten most segregated metros
sns.stripplot(x = "D", y = "name", data = msa.nlargest(10, "D"))
plt.show()

Editează și rulează codul