Effekter av svart-vit segregation efter kön
seaborn låter oss plotta två variabler betingade på en tredje variabel. De två variablerna är dissimilaritet och arbetslöshet, och vi betingar spridningsdiagrammet på en tredje variabel – kön – genom att ändra färg på punkter och regressionslinje beroende på vilket kön som rapporteras. Men först måste vi omvandla msa_black_emp till en "tidy" DataFrame.
msa_black_emp har laddats in med kolumnerna "pct_male_unemp" och "pct_female_unemp" beräknade i föregående övning.
pandas och seaborn har laddats in med de vanliga aliasen.
Den här övningen är en del av kursen
Analys av amerikansk folkräkningsdata i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Restrict DataFrame to columns of interest, rename columns
tidy_black_emp = msa_black_emp[____]
tidy_black_emp.columns = ____