合併普查小區與都會區

為了專注在 merge 方法的運作方式，本題已替你提供一個用來計算「差異指數（Index of Dissimilarity）」的函式。（你會在下一題自己實作這個函式！）

要套用這個函式，你需要把 MSA 識別碼加入 tracts DataFrame。你會使用兩個 DataFrame 皆有的 state 與 county 作為連接鍵。最後，會使用 seaborn 的 stripplot 方法繪製出區隔最嚴重的前 10 個都會區。

你先前使用過的 tracts DataFrame 已載入。依 MSA 匯總的人口資料已載入為 msa，其前幾列已在主控台顯示。最後，msa_def 已載入，內含各 MSA 所包含的縣。

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

檢視課程

練習說明

對 msa DataFrame 使用 nlargest 方法，依 "population" 取出規模最大的 50 個都會區。
tracts 與 msa_def 都有 "state" 和 "county" 欄位。使用 merge 方法並搭配 on 參數，依這些欄位進行連接。
使用 merge 方法，依 MSA 識別碼將 msa 與 msa_D 連接。

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。

# Find identifiers for 50 largest metros by population
msa50 = list(msa.____["msa"])

# Join MSA identifiers to tracts, restrict to largest 50 metros
msa_tracts = pd.merge(____, ____, on = ____)
msa_tracts = msa_tracts[msa_tracts["msa"].isin(msa50)]

# Calculate D using custom function, merge back into MSA
msa_D = dissimilarity(msa_tracts, "white", "black", "msa")
msa = pd.merge(msa, msa_D, ____, ____)

# Plot ten most segregated metros
sns.stripplot(x = "D", y = "name", data = msa.nlargest(10, "D"))
plt.show()

編輯並執行程式碼