Identifiera gentrifierade trakter

I den här övningen identifierar och kartlägger du de trakter som gentrifierades mellan 2000 och 2010. För att klassificeras som gentrifierade måste trakterna ha varit gentrifierbara år 2000 och uppfylla följande kriterier:

Andelen av befolkningen med kandidatexamen eller högre utbildning måste öka snabbare än för storstadsområdet New York.
Bostadsvärdena måste ha ökat sedan 2000. För att ta hänsyn till inflation multipliceras bostadsvärdena från 2000 med 1,2612.

GeoDataFrame:en bk_2010 har lästs in åt dig. Kolumnnamnen visas i konsolen. Eftersom du jämför 2010 med 2000 innehåller den data från båda åren, i kolumner med suffixen "_2000" och "_2010". Den har också kolumnen gentrifiable som du skapade i föregående övning.

Den här övningen är en del av kursen

Analys av amerikansk folkräkningsdata i Python

Visa kurs

Övningsinstruktioner

Sätt increasing_education till True om ökningen av andelen befolkning med kandidatexamen från 2000 till 2010 är större än ökningen på MSA-nivå
Sätt increasing_house_value till True om median_value_2010 är mer än 1.2612 gånger större än median_value_2000
Använd operatorn & och sätt gentrifying till True om en trakt är gentrifiable och har increasing_education och har increasing_house_value
Kartlägg de gentrifying-trakterna med färgkartan "YlOrRd"

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()

Redigera och kör kod