Identyfikowanie obszarów gentryfikujących się

W tym ćwiczeniu zidentyfikujesz i zwizualizujesz na mapie obszary spisowe (tracts), które gentryfikowały się w latach 2000–2010. Aby zostać zaklasyfikowanym jako gentryfikujący się, obszar musiał być podatny na gentryfikację w 2000 roku i spełniać następujące kryteria:

Odsetek mieszkańców z tytułem licencjata lub wyższym musi rosnąć szybciej niż dla całego obszaru metropolitalnego Nowego Jorku.
Wartości nieruchomości muszą wzrosnąć od 2000 roku. Aby uwzględnić inflację, wartości nieruchomości z 2000 roku zostaną pomnożone przez 1,2612.

GeoDataFrame bk_2010 jest już wczytany. Nazwy kolumn są widoczne w konsoli. Ponieważ będziesz porównywać dane z 2010 i 2000 roku, ramka zawiera dane z obu lat – w kolumnach z sufiksami "_2000" i "_2010". Zawiera również kolumnę gentrifiable, którą utworzyłeś w poprzednim ćwiczeniu.

To ćwiczenie jest częścią kursu

Analiza danych spisowych USA w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Ustaw increasing_education na True, jeśli wzrost odsetka mieszkańców z tytułem licencjata w latach 2000–2010 jest większy niż wzrost na poziomie całego obszaru metropolitalnego (MSA)
Ustaw increasing_house_value na True, jeśli median_value_2010 jest większe niż 1.2612 razy median_value_2000
Używając operatora &, ustaw gentrifying na True, jeśli dany obszar jest gentrifiable i ma increasing_education i ma increasing_house_value
Zwizualizuj obszary gentrifying na mapie, używając mapy kolorów "YlOrRd"

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()

Edytuj i uruchom kod