Thất nghiệp của người da Trắng và da Đen
Trong bài tập này, bạn sẽ so sánh tỷ lệ thất nghiệp ở khu vực đô thị giữa nam giới da Trắng và da Đen. msa_black_emp đã được nạp. Một DataFrame mới, msa_white_emp, với dữ liệu từ bảng C23002A của ACS giai đoạn 5 năm 2012 cũng đã được nạp. Phần trăm thất nghiệp đã được tính sẵn cho bạn. Bạn sẽ giới hạn cả hai DataFrame vào các cột quan tâm (những cột thể hiện tỷ lệ việc làm của nam giới), gộp hai DataFrame, và melt chúng thành một DataFrame gọn gàng để trực quan hóa với seaborn.
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
Hướng dẫn bài tập
- Tạo
tidy_white_empbằng cách giới hạnmsa_white_empvào các cột"msa"và"pct_male_unemp", rồi đổi tên cột thứ hai thành"white" - Gộp
tidy_black_empvàtidy_white_emptheo cột"msa"; gán kết quả vàotidy_emp - Dùng
melttrêntidy_emp.value_varsnên là tên của hai cột chủng tộc; đặtvar_namelà"race"vàvalue_namelà"unemployment" - Vẽ biểu đồ thất nghiệp so với mức độ khác biệt, phân theo chủng tộc bằng tham số
hue
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[["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()