Identificar tracts en gentrificación

En este ejercicio, vas a identificar y mapear los tracts que estaban en gentrificación entre 2000 y 2010. Para clasificarse como en gentrificación, los tracts debían ser susceptibles de gentrificación en 2000 y cumplir estos criterios:

El porcentaje de población con grados de Bachelor's o superiores debe estar aumentando más rápido que en el área metropolitana de Nueva York.
El valor de las viviendas debe haber aumentado desde 2000. Para tener en cuenta la inflación, los valores de 2000 se multiplicarán por 1.2612.

El GeoDataFrame bk_2010 ya está cargado. Los nombres de las columnas se muestran en la consola. Como vas a comparar 2010 con 2000, contiene datos de ambos años, en columnas con los sufijos "_2000" y "_2010". También incluye la columna gentrifiable que creaste en el ejercicio anterior.

Este ejercicio forma parte del curso

Análisis de datos del Censo de EE. UU. con Python

Ver curso

Instrucciones del ejercicio

Asigna increasing_education a True si el aumento del porcentaje de población con grados de Bachelor's de 2000 a 2010 es mayor que el aumento a nivel de MSA
Asigna increasing_house_value a True si median_value_2010 es más de 1.2612 veces mayor que median_value_2000
Usando el operador &, asigna gentrifying a True si un tract es gentrifiable y tiene increasing_education y tiene increasing_house_value
Mapea los tracts gentrifying usando una paleta de colores "YlOrRd"

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Increase in percent BA greater than MSA
bk_2010["increasing_education"] = ____

# Increase in house value
bk_2010["increasing_house_value"] = ____

# Identify gentryifying tracts
bk_2010["gentrifying"] = bk_2010["gentrifiable"] & ____

# Plot gentrifying tracts
bk_2010.plot(____)
plt.show()

Editar y ejecutar código