Jämföra utfall vid fortkörning per kön
När en förare stoppas för fortkörning tror många att könet påverkar om föraren får en böter eller en varning. Finns det belägg för detta i datamängden?
Först skapar du två DataFrames med förare som stoppats för fortkörning: en för kvinnliga och en för manliga förare.
Sedan använder du kolumnen stop_outcome för varje kön för att beräkna hur stor andel av stoppen som resulterade i en "Citation" (det vill säga böter) respektive en "Warning".
Den här övningen är en del av kursen
Analysera polisaktivitet med pandas
Övningsinstruktioner
- Skapa en DataFrame,
female_and_speeding, som bara innehåller kvinnliga förare som stoppats för fortkörning. - Skapa en DataFrame,
male_and_speeding, som bara innehåller manliga förare som stoppats för fortkörning. - Räkna stopp-utfallen för de kvinnliga förarna och uttryck dem som proportioner.
- Räkna stopp-utfallen för de manliga förarna och uttryck dem som proportioner.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create a DataFrame of female drivers stopped for speeding
female_and_speeding = ri[____]
# Create a DataFrame of male drivers stopped for speeding
male_and_speeding = ri[____]
# Compute the stop outcomes for female drivers (as proportions)
print(female_and_speeding.____)
# Compute the stop outcomes for male drivers (as proportions)
print(male_and_speeding.____)