Identifier les secteurs gentrifiables

Dans cet exercice, vous allez identifier et cartographier les secteurs de recensement qui étaient gentrifiables en 2000. Les critères sont les suivants :

Un faible revenu médian des ménages (MHI), défini comme un MHI du secteur inférieur au MHI de la zone métropolitaine de New York.
Un faible niveau de construction récente de logements, défini comme un pourcentage de logements construits au cours des 20 dernières années (depuis 1980) inférieur à celui de la zone métropolitaine de New York.

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

Cet exercice fait partie du cours

Analyzing US Census Data in Python

Afficher le cours

Instructions

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 durant les 20 années précédant 2000 (pct_recent_build) est inférieur à pct_recent_build_msa.
Utilisez l’opérateur & pour classer le quartier comme gentrifiable si low_mhi et low_recent_build sont tous deux vrais ; entourez les colonnes de parenthèses.
Cartographiez les secteurs gentrifiables en utilisant la palette de couleurs YlGn.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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