Gentrifying Tracts की पहचान

इस अभ्यास में, आप 2000 से 2010 के बीच gentrifying रहे tracts की पहचान करेंगे और उनका मानचित्र बनाएँगे। किसी tract को gentifying के रूप में वर्गीकृत करने के लिए, उन्हें 2000 में gentrifiable होना चाहिए और ये मानदंड पूरे करने चाहिए:

बैचलर डिग्री या उससे अधिक शिक्षा वाली जनसंख्या का प्रतिशत New York मेट्रो क्षेत्र की तुलना में तेज़ी से बढ़ रहा हो।
2000 से घरों के मूल्य बढ़े हों। मुद्रास्फीति का हिसाब रखने के लिए, 2000 के घर मूल्यों को 1.2612 से गुणा किया जाएगा।

GeoDataFrame bk_2010 आपके लिए लोड कर दिया गया है। कॉलम के नाम कंसोल में दिख रहे हैं। क्योंकि आप 2010 की 2000 से तुलना करेंगे, इसमें दोनों वर्षों का डेटा है, जिनके कॉलम "_2000" और "_2010" प्रत्यय से समाप्त होते हैं। इसमें gentrifiable नाम का कॉलम भी है जो आपने पिछले अभ्यास में बनाया था।

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में US Census डेटा का विश्लेषण

पाठ्यक्रम देखें

अभ्यास निर्देश

यदि 2000 से 2010 के बीच बैचलर डिग्री वाली जनसंख्या प्रतिशत में हुई वृद्धि MSA-स्तर की वृद्धि से अधिक है, तो increasing_education को True सेट करें
यदि median_value_2010, median_value_2000 से 1.2612 गुना से अधिक है, तो increasing_house_value को True सेट करें
& ऑपरेटर का उपयोग करके, यदि कोई tract gentrifiable है और उसमें increasing_education है और increasing_house_value है, तो gentrifying को True सेट करें
"YlOrRd" colormap का उपयोग करके gentrifying tracts को मैप करें

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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()

कोड संपादित करें और चलाएँ