识别正在绅士化的普查小区
在本练习中，您将识别并绘制 2000 年至 2010 年间处于绅士化进程中的普查小区。要被归类为正在绅士化，普查小区必须在 2000 年是可绅士化的，且同时满足以下条件：
- 拥有学士及以上学位的人口比例的增速要比纽约都会区更快。
- 自 2000 年以来房屋价值必须上升。为考虑通货膨胀，2000 年的房屋价值将乘以 1.2612。
已为您加载 GeoDataFrame bk_2010。控制台中显示了列名。由于您将比较 2010 年与 2000 年的数据，其中包含两个年份的数据，列名分别以 "_2000" 和 "_2010" 作为后缀。它还包含您在上一个练习中创建的 gentrifiable 列。
本练习是课程的一部分
使用 Python 分析美国人口普查数据
练习说明
- 若 2000 年到 2010 年间拥有学士学位人口比例的增幅大于都会统计区（MSA）层面的增幅，则将
increasing_education设为 True。 - 若
median_value_2010大于median_value_2000的1.2612倍，则将increasing_house_value设为 True。 - 使用
&运算符，若某个普查小区同时满足gentrifiable、increasing_education与increasing_house_value，则将gentrifying设为 True。 - 使用
"YlOrRd"配色映射绘制gentrifying普查小区。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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()