Tác động của phân cách da đen - da trắng theo giới tính
seaborn cho phép bạn vẽ hai biến và điều kiện hóa theo một biến thứ ba. Hai biến sẽ là mức khác biệt (dissimilarity) và thất nghiệp, và chúng ta sẽ điều kiện hóa biểu đồ phân tán theo biến thứ ba là giới tính, bằng cách đổi màu các điểm và đường hồi quy theo giới tính được báo cáo. Nhưng trước hết, chúng ta phải chuyển msa_black_emp thành một DataFrame dạng "tidy".
msa_black_emp đã được nạp, với các cột "pct_male_unemp" và "pct_female_unemp" như đã tính ở bài trước.
pandas và seaborn đã được nạp với các bí danh quen thuộc.
Bài tập này là một phần của khóa học
Phân tích dữ liệu Điều tra Dân số Hoa Kỳ bằng Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Restrict DataFrame to columns of interest, rename columns
tidy_black_emp = msa_black_emp[____]
tidy_black_emp.columns = ____