ผลกระทบของการแบ่งแยกระหว่างคนผิวดำและผิวขาวตามเพศ
seaborn ช่วยให้เราพล็อตตัวแปรสองตัวโดยกำหนดเงื่อนไขจากตัวแปรที่สาม ในที่นี้ตัวแปรสองตัวคือค่าความแตกต่าง (dissimilarity) และอัตราการว่างงาน โดยจะกำหนดเงื่อนไขบน scatterplot ด้วยตัวแปรที่สามคือเพศ ผ่านการเปลี่ยนสีของจุดและเส้นถดถอยตามเพศที่รายงาน แต่ก่อนอื่น ต้องแปลง msa_black_emp ให้เป็น DataFrame แบบ "tidy" เสียก่อน
msa_black_emp ถูกโหลดไว้แล้ว โดยมีคอลัมน์ "pct_male_unemp" และ "pct_female_unemp" ตามที่คำนวณไว้ในแบบฝึกหัดก่อนหน้า
pandas และ seaborn ถูกโหลดโดยใช้ alias ตามปกติ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์ข้อมูลสำมะโนประชากรสหรัฐฯ ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Restrict DataFrame to columns of interest, rename columns
tidy_black_emp = msa_black_emp[____]
tidy_black_emp.columns = ____