隔離の影響：失業

Pythonで学ぶ米国センサスデータ分析

Lee Hachadoorian

Asst. Professor of Instruction, Temple University

ACS科目テーブルIDの読み解き

[B|C]ssnnn[A-I]

B または C = 「基本テーブル」または「集約テーブル」

B15002	C15002[A-I]
就学なし	高校未満
幼稚園～4年生	高校卒、GED、または同等
5・6年生	短大・一部大学
7・8年生	学士以上
9年生
など

[B|C]ssnnn[A-I]

A = 白人（単独）
B = 黒人／アフリカ系アメリカ人（単独）
C = アメリカ先住民・アラスカ先住民（単独）
D = アジア系（単独）
E = ハワイ先住民・その他の太平洋諸島系（単独）
F = その他の人種（単独）
G = 2人種以上
H = 白人（ヒスパニック・ラティーノを除く）
I = ヒスパニック・ラティーノ

[B|C]ssnnn[A-I]

01 = 年齢と性別
02 = 人種
03 = ヒスパニック・ラティーノの出自
05 = 外国生まれ／市民権／入国年／出生地
15 = 学歴
19 = 収入（世帯・家族）
23 = 雇用状況／就業経験／労働力

出典: https://www.census.gov/programs-surveys/acs/guidance/which-data-tool/table-ids-explained.html

隔離の影響の比較

アフリカ系アメリカ人の失業率と隔離の回帰プロット。男女を色分け。男性の回帰線は女性より急勾配。

整然データ

ワイドなDataFrame: msa_labor_force

     msa  male_lf  female_lf
0  12060   400843     481425
1  25540    30656      35046
2  26420   231346     268923
3  26900    55943      71036
...

msa_labor_force.columns = 
    ["msa", "male", "female"]

整然データのDataFrame: tidy_msa_labor_force

      msa     sex  labor_force
0   12060    male       400843
1   25540    male        30656
2   26420    male       231346
3   26900    male        55943
...
49  12060  female       481425
50  25540  female        35046
51  26420  female       268923
52  26900  female        71036
...

pandas.melt

tidy_msa_labor_force = msa_labor_force.melt(

    id_vars = ["msa"],

    value_vars = ["male", "female"],

    var_name = "sex",

    value_name = "labor_force"
    )

pandas.melt

tidy_msa_labor_force

      msa     sex  labor_force
0   12060    male       400843
1   25540    male        30656
2   26420    male       231346
3   26900    male        55943
...
49  12060  female       481425
50  25540  female        35046
51  26420  female       268923
52  26900  female        71036
...

Ayo berlatih!

Pythonで学ぶ米国センサスデータ分析