Gentrificerende tracts identificeren
In deze oefening ga je de tracts identificeren en in kaart brengen die tussen 2000 en 2010 aan het gentrificeren waren. Om als gentrificerend te worden geclassificeerd, moeten tracts in 2000 gentrificeerbaar zijn geweest en aan deze criteria voldoen:
- Het percentage van de bevolking met een Bachelor's degree of hoger moet sneller stijgen dan in de New Yorkse metroregio.
- Huizenprijzen moeten sinds 2000 zijn gestegen. Om voor inflatie te corrigeren, worden huizenprijzen uit 2000 vermenigvuldigd met 1,2612.
De GeoDataFrame bk_2010 is voor je geladen. De kolomnamen zie je in de console. Omdat je 2010 met 2000 gaat vergelijken, bevat het gegevens uit beide jaren, in kolommen met de suffixen "_2000" en "_2010". Het bevat ook de kolom gentrifiable die je in de vorige oefening hebt gemaakt.
Deze oefening maakt deel uit van de cursus
US Census-gegevens analyseren in Python
Oefeninstructies
- Stel
increasing_educationin op True als de toename in het percentage van de bevolking met een Bachelor's degree van 2000 tot 2010 groter is dan de toename op MSA-niveau - Stel
increasing_house_valuein op True als demedian_value_2010meer is dan1.2612keer demedian_value_2000 - Gebruik de
&-operator en stelgentrifyingin op True als een tractgentrifiableénincreasing_educationénincreasing_house_valueheeft - Maak een kaart van de
gentrifyingtracts met een"YlOrRd"-colormap
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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()