Cinsiyete Göre Siyah-Beyaz Ayrışmasının Etkileri
seaborn, iki değişkeni üçüncü bir değişkene göre koşullandırarak görselleştirmemizi sağlar. Burada iki değişken ayrışma ve işsizlik olacak; saçılım grafiğini üçüncü bir değişkene, yani cinsiyete göre koşullandıracağız: nokta ve regresyon çizgisinin rengini bildirilen cinsiyete göre değiştireceğiz. Ama önce msa_black_emp veri çerçevesini "tidy" formata dönüştürmemiz gerekiyor.
msa_black_emp yüklendi; son egzersizde hesaplandığı gibi "pct_male_unemp" ve "pct_female_unemp" sütunlarını içeriyor.
pandas ve seaborn her zamanki kısaltmalarla yüklendi.
Bu egzersiz, kursun bir parçasıdır
Python ile ABD Nüfus Sayımı Verilerini Analiz Etme
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Restrict DataFrame to columns of interest, rename columns
tidy_black_emp = msa_black_emp[____]
tidy_black_emp.columns = ____