Identifikace oblastí vhodných ke gentrifikaci

V tomto cvičení identifikuješ a zmapuješ sčítací obvody, které byly v roce 2000 vhodné ke gentrifikaci. Kritéria jsou následující:

Nízký mediánový příjem domácností (MHI) – konkrétně takové obvody, kde je MHI nižší než MHI pro metropolitní oblast New Yorku.
Nízká míra nové bytové výstavby – obvody, kde je podíl bytů postavených za předchozích 20 let (od roku 1980) nižší než odpovídající podíl pro metropolitní oblast New Yorku.

GeoDataFrame bk_2000 s daty pro sčítací obvody Brooklynu v roce 2000 je již načtený.

Toto cvičení je součástí kurzu

Analýza dat amerického sčítání lidu v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vytvoř booleovský sloupec low_mhi tak, že ověříš, zda je mhi menší než mhi_msa
Vytvoř booleovský sloupec low_recent_build tak, že ověříš, zda je podíl bytů postavených za 20 let před rokem 2000 (pct_recent_build) menší než pct_recent_build_msa
Pomocí operátoru & klasifikuj čtvrť jako vhodnou ke gentrifikaci, pokud platí obě podmínky – low_mhi i low_recent_build jsou pravdivé; jednotlivé výrazy musí být obaleny závorkami
Zobraz mapu oblastí vhodných ke gentrifikaci s použitím barevné škály YlGn

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Median income below MSA median income
bk_2000["low_mhi"] = ____

# Recent construction below MSA
bk_2000["low_recent_build"] = ____

# Identify gentrifiable tracts
bk_2000["gentrifiable"] = (____) & (____)

# Plot gentrifiable tracts
bk_2000.plot(column = ____, cmap = ____)
plt.show()

Upravit a spustit kód