Identificando setores em gentrificação

Neste exercício, você vai identificar e mapear os setores que estavam em gentrificação entre 2000 e 2010. Para serem classificados como em gentrificação, os setores devem ter sido gentrificáveis em 2000 e atender a estes critérios:

A porcentagem da população com bacharelado ou mais deve estar aumentando mais rapidamente do que na região metropolitana de Nova York.
Os valores dos imóveis devem ter aumentado desde 2000. Para levar em conta a inflação, os valores de 2000 serão multiplicados por 1.2612.

O GeoDataFrame bk_2010 já foi carregado para você. Os nomes das colunas são mostrados no console. Como você vai comparar 2010 com 2000, ele contém dados de ambos os anos, em colunas com sufixos "_2000" e "_2010". Ele também possui a coluna gentrifiable que você criou no exercício anterior.

Este exercício faz parte do curso

Analisando dados do Censo dos EUA em Python

Ver curso

Instruções do exercício

Defina increasing_education como True se o aumento na porcentagem da população com bacharelado de 2000 para 2010 for maior do que o aumento no nível da MSA
Defina increasing_house_value como True se median_value_2010 for mais do que 1.2612 vezes maior que median_value_2000
Usando o operador &, defina gentrifying como True se um setor for gentrifiable e tiver increasing_education e tiver increasing_house_value
Mapeie os setores gentrifying usando o mapa de cores "YlOrRd"

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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()

Editar e executar o código