Ayrışma Daha Fazla Ayrışma Doğurur
Chicago’da Afrikalı Amerikalılar ile diğer ırkların karışık yaşadığı mahalle sayısının görece az olduğunu gördün. Peki bu mahalleler zaman içinde nasıl değişiyor? tracts_cook yüklü ve 2010’daki Afrikalı Amerikalı yüzdesini zaten hesapladın. Önce 1990 için de aynı hesabı yapacak, ardından 2010 değerinden 1990 değerini çıkararak yüzde puan değişimini hesaplayacaksın. Sonrasında bu değişimi başlangıç (1990) değeriyle karşılaştırmak için regplot kullanacaksın.
Grafiği yorumlayabilmek için, “değişim yok” durumunu temsil eden kırmızı bir referans çizgisi ekleyeceksin. regplot, verideki yerel eğilimi göstermek için LOWESS eğrisi eklemene de izin verir (lowess = True kullanarak).
pandas ve seaborn her zamanki kısaltmalarla yüklüdür.
Bu egzersiz, kursun bir parçasıdır
Python ile ABD Nüfus Sayımı Verilerini Analiz Etme
Egzersiz talimatları
- Her mahallenin 1990’daki Afrikalı Amerikalı yüzdesini hesapla
- 2010 değerinden 1990 değerini çıkararak Afrikalı Amerikalı oranındaki yüzde puan değişimini hesapla
- Irksal olarak karışık mahallelere odaklanmak için,
tracts_cookveri kümesinipct_black_1990değeri %30 ile %70 arasında olanlarla sınırla - 1990’a göre Siyah oranındaki değişimi (y ekseni) 1990’daki Siyah yüzdesine (x ekseni) karşı çiz; yumuşatılmış eğilim eğrisi eklemek için
lowess = Truekullan
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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()