Identificare i tract in gentrificazione
In questo esercizio identificherai e mapperai i tract che erano in gentrificazione tra il 2000 e il 2010. Per essere classificati come in gentrificazione, i tract devono essere stati gentrificabili nel 2000 e soddisfare questi criteri:
- La percentuale di popolazione con laurea triennale o superiore deve aumentare più velocemente rispetto all’area metropolitana di New York.
- I valori delle case devono essere aumentati dal 2000. Per tenere conto dell’inflazione, i valori delle case del 2000 saranno moltiplicati per 1,2612.
Il GeoDataFrame bk_2010 è già stato caricato per te. I nomi delle colonne sono mostrati nella console. Poiché confronterai il 2010 con il 2000, contiene dati di entrambi gli anni, in colonne con suffisso "_2000" e "_2010". Include anche la colonna gentrifiable che hai creato nell’esercizio precedente.
Questo esercizio fa parte del corso
Analizzare i dati del Censimento USA con Python
Istruzioni dell'esercizio
- Imposta
increasing_educationsu True se l’aumento della percentuale di popolazione con laurea dal 2000 al 2010 è maggiore dell’aumento a livello MSA - Imposta
increasing_house_valuesu True semedian_value_2010è più di1.2612volte maggiore dimedian_value_2000 - Usando l’operatore
&, impostagentrifyingsu True se un tract ègentrifiablee haincreasing_educatione haincreasing_house_value - Mappa i tract
gentrifyingusando una mappa colori"YlOrRd"
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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()