Mengidentifikasi Tract yang Mengalami Gentrifikasi

Dalam latihan ini, Anda akan mengidentifikasi dan memetakan tract yang mengalami gentrifikasi antara 2000 dan 2010. Agar diklasifikasikan sebagai gentrifying, suatu tract harus dapat mengalami gentrifikasi (gentrifiable) pada tahun 2000 dan memenuhi kriteria berikut:

Persentase penduduk dengan gelar Bachelor's atau lebih tinggi harus meningkat lebih cepat dibandingkan wilayah metro New York.
Nilai rumah harus meningkat sejak 2000. Untuk menyesuaikan inflasi, nilai rumah dari tahun 2000 akan dikalikan dengan 1,2612.

GeoDataFrame bk_2010 telah dimuat untuk Anda. Nama kolom ditampilkan di konsol. Karena Anda akan membandingkan tahun 2010 dengan 2000, objek ini berisi data dari kedua tahun tersebut, pada kolom yang diberi akhiran "_2000" dan "_2010". Objek ini juga memiliki kolom gentrifiable yang Anda buat pada latihan sebelumnya.

Latihan ini adalah bagian dari kursus

Menganalisis Data Sensus AS dengan Python

Lihat Kursus

Petunjuk latihan

Setel increasing_education ke True jika peningkatan persentase penduduk dengan gelar Bachelor's dari 2000 ke 2010 lebih besar daripada peningkatan di tingkat MSA
Setel increasing_house_value ke True jika median_value_2010 lebih dari 1.2612 kali median_value_2000
Dengan operator &, setel gentrifying ke True jika suatu tract gentrifiable dan memiliki increasing_education dan memiliki increasing_house_value
Petakan tract gentrifying menggunakan colormap "YlOrRd"

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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()

Edit dan Jalankan Kode