隔離導致更多隔離
你已經看到，在芝加哥同時有非裔與其他族群混居的地籍相對較少。這些地籍隨時間如何變化？已載入 tracts_cook，而且你已經計算出 2010 年的非裔比例。你將先以相同方式計算 1990 年的比例，接著用 2010 的數值減去 1990 的數值，得到百分點變化。然後你會使用 regplot，將此變化與初始（1990 年）的數值對照繪圖。
為了幫助解讀圖形，你會加入一條紅色參考線，代表「無變化」。regplot 也允許你加入 LOWESS 曲線（使用 lowess = True），以呈現資料的在地趨勢。
pandas 與 seaborn 已以慣用別名載入。
本練習屬於課程
使用 Python 分析美國 Census 資料
練習說明
- 計算每個地籍在 1990 年的非裔比例。
- 以 2010 的數值減去 1990 的數值，計算非裔比例的百分點變化。
- 為聚焦於種族混居的地籍，將
tracts_cook限制為pct_black_1990介於 30% 與 70% 的地籍。 - 繪製 1990–2000 的非裔比例變化（y 軸）對 1990 年非裔比例（x 軸）的圖；使用
lowess = True加入平滑趨勢曲線。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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()