白人和黑人失业率

在本练习中，您将比较大都市区白人和黑人男性的失业情况。msa_black_emp 已加载。另一个新的 DataFrame，msa_white_emp，包含来自 2012 年 5 年期 ACS 的表 C23002A 的数据，也已加载。失业百分比已为您计算完成。您将把这两个 DataFrame 都限制到关注的列（显示男性就业百分比的列），将它们合并，并通过 melt 整理为整洁的数据，以便使用 seaborn 可视化。

pandas 和 seaborn 已使用常用别名加载。

本练习是课程的一部分

使用 Python 分析美国人口普查数据

查看课程

练习说明

通过将 msa_white_emp 限制为 "msa" 和 "pct_male_unemp" 两列来创建 tidy_white_emp，然后将第二列重命名为 "white"
在 "msa" 列上合并 tidy_black_emp 和 tidy_white_emp；赋值给 tidy_emp
对 tidy_emp 使用 melt。value_vars 应为两个种族列的列名；将 var_name 设为 "race"，value_name 设为 "unemployment"
绘制失业率与差异指数的关系图，并使用 hue 参数按种族分组显示

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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()

编辑并运行代码