CommencerCommencer gratuitement

Identifier les secteurs en voie de gentrification

Dans cet exercice, vous allez identifier et cartographier les secteurs qui étaient en voie de gentrification entre 2000 et 2010. Pour être classés comme gentrifiants, les secteurs doivent avoir été gentrifiables en 2000 et satisfaire les critères suivants :

  1. La part de la population titulaire d’une licence (Bachelor’s) ou plus doit augmenter plus vite que dans l’aire métropolitaine de New York.
  2. La valeur des logements doit avoir augmenté depuis 2000. Pour tenir compte de l’inflation, les valeurs des logements de 2000 seront multipliées par 1,2612.

Le GeoDataFrame bk_2010 a été chargé pour vous. Les noms de colonnes sont affichés dans la console. Comme vous allez comparer 2010 à 2000, il contient des données pour les deux années, dans des colonnes suffixées par "_2000" et "_2010". Il comporte aussi la colonne gentrifiable que vous avez créée dans l’exercice précédent.

Cet exercice fait partie du cours

Analyzing US Census Data in Python

Afficher le cours

Instructions

  • Définissez increasing_education à True si l’augmentation de la part de population titulaire d’une licence entre 2000 et 2010 est supérieure à l’augmentation au niveau de la MSA
  • Définissez increasing_house_value à True si median_value_2010 est supérieure à 1.2612 fois median_value_2000
  • À l’aide de l’opérateur &, définissez gentrifying à True si un secteur est gentrifiable et a increasing_education et a increasing_house_value
  • Cartographiez les secteurs gentrifying en utilisant la palette de couleurs "YlOrRd"

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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()
Modifier et exécuter le code