CommencezCommencez gratuitement

Repérer les secteurs propices à la gentrification

Dans cet exercice, vous allez repérer et cartographier les secteurs de recensement qui étaient propices à la gentrification en 2000. Les critères sont les suivants :

  1. Un faible revenu médian des ménages (MHI), défini comme un MHI du secteur inférieur au MHI de la région métropolitaine de New York.
  2. Un faible niveau de construction résidentielle récente, défini comme les secteurs où le pourcentage de logements construits au cours des 20 années précédentes (depuis 1980) est inférieur au pourcentage de la région métropolitaine de New York.

Le GeoDataFrame bk_2000, qui contient les données des secteurs de recensement de Brooklyn en 2000, a été chargé pour vous.

Cette activité fait partie du cours

Analyser les données du recensement des États-Unis avec Python

Voir le cours

Instructions de l’exercice

  • Calculez une colonne booléenne low_mhi en vérifiant si mhi est inférieur à mhi_msa
  • Calculez une colonne booléenne low_recent_build en vérifiant si le pourcentage de logements construits dans les 20 années précédant 2000 (pct_recent_build) est inférieur à pct_recent_build_msa
  • Utilisez l'opérateur & pour classer le quartier comme propice à la gentrification si low_mhi et low_recent_build sont tous deux vrais; les colonnes doivent être entourées de parenthèses
  • Cartographiez les secteurs propices à la gentrification en utilisant la palette de couleurs YlGn

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()
Modifier et exécuter le code