Segregation föder mer segregation
Du har sett att det finns relativt få trakter i Chicago med en blandning av afroamerikaner och andra folkgrupper. Hur utvecklas dessa trakter över tid? tracts_cook är inläst och du har redan beräknat andelen afroamerikaner år 2010. Du börjar med att göra samma sak för 1990 och beräknar sedan förändringen i procentenheter genom att subtrahera 1990 års värde från 2010 års värde. Därefter använder du regplot för att plotta denna förändring mot det initiala värdet (1990).
För att kunna tolka grafen lägger du till en röd referenslinje som representerar "ingen förändring". regplot låter dig också lägga till en LOWESS-kurva (med lowess = True) för att visa den lokala trenden i datan.
pandas och seaborn är inlästa med sina vanliga alias.
Den här övningen är en del av kursen
Analys av amerikansk folkräkningsdata i Python
Övningsinstruktioner
- Beräkna andelen afroamerikaner i varje trakt år 1990
- Beräkna förändringen i procentenheter för afroamerikaner genom att subtrahera 1990 års värde från 2010 års värde
- För att fokusera på rasligt blandade trakter, begränsa
tracts_cooktill de trakter därpct_black_1990ligger mellan 30 % och 70 % - Plotta förändringen i andelen afroamerikaner 1990–2010 (y-axeln) mot andelen afroamerikaner 1990 (x-axeln); använd
lowess = Trueför att lägga till en utjämnad trendkurva
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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()