เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

อัตราการว่างงานของคนผิวขาวและคนผิวดำ

ในแบบฝึกหัดนี้ จะเปรียบเทียบอัตราการว่างงานในเขตมหานครระหว่างชายผิวขาวและชายผิวดำ msa_black_emp ถูกโหลดไว้แล้ว รวมถึง DataFrame ใหม่ชื่อ msa_white_emp ที่มีข้อมูลจากตาราง C23002A ของ ACS 5 ปี ปี 2012 ด้วย โดยคำนวณอัตราการว่างงานเป็นเปอร์เซ็นต์ไว้ให้แล้ว จากนั้นจะกรองทั้งสอง DataFrame ให้เหลือเฉพาะคอลัมน์ที่ต้องการ (คอลัมน์ที่แสดงเปอร์เซ็นต์การว่างงานของเพศชาย) แล้ว join ทั้งสองเข้าด้วยกัน และแปลงด้วย melt ให้เป็น DataFrame รูปแบบ tidy เพื่อสร้างภาพด้วย seaborn

pandas และ seaborn ถูกโหลดโดยใช้ชื่อย่อตามปกติแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ข้อมูลสำมะโนประชากรสหรัฐฯ ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง tidy_white_emp โดยกรอง msa_white_emp ให้เหลือเฉพาะคอลัมน์ "msa" และ "pct_male_unemp" จากนั้นเปลี่ยนชื่อคอลัมน์ที่สองเป็น "white"
  • Merge tidy_black_emp และ tidy_white_emp บนคอลัมน์ "msa" แล้วกำหนดผลลัพธ์ให้กับ tidy_emp
  • ใช้ melt กับ tidy_emp โดยกำหนด value_vars เป็นชื่อคอลัมน์ของสองกลุ่มเชื้อชาติ ตั้งค่า var_name เป็น "race" และ value_name เป็น "unemployment"
  • พล็อตกราฟระหว่างอัตราการว่างงานกับค่าความแตกต่าง (dissimilarity) โดยแยกตามเชื้อชาติด้วยพารามิเตอร์ hue

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Restrict DataFrame to columns of interest, rename columns
tidy_black_emp = msa_black_emp[["msa", "D", "pct_male_unemp"]]
tidy_black_emp.columns = ["msa", "D", "black"]
tidy_white_emp = ____
tidy_white_emp.columns = ____
tidy_emp = ____

# Use melt to create tidy DataFrame
tidy_msa_emp = tidy_emp.melt(id_vars = ["msa", "D"], 
    value_vars = ____, var_name = ____, 
    value_name = ____)

# Visually compare male and female unemployment
sns.lmplot(____, data = tidy_msa_emp)
plt.show()
แก้ไขและรันโค้ด