Perubahan Lingkungan

Menganalisis Data Sensus AS dengan Python

Lee Hachadoorian

Asst. Professor of Instruction, Temple University

Apa Itu Gentrifikasi?

  • Disinvestasi di pusat kota
  • Penurunan kelas menengah dan memburuknya stok perumahan
  • Kembalinya rumah tangga kelas menengah dan menengah atas yang merenovasi rumah lama
  • Potensi penggusuran rumah tangga kelas pekerja, kulit hitam, dan imigran
Menganalisis Data Sensus AS dengan Python

Mengoperasionalkan Gentrifikasi

  • Dapat tergentrifikasi
    • Median pendapatan rendah: Median pendapatan rumah tangga (MHI) di bawah median metro
    • Konstruksi lambat: Pembangunan dua dekade terakhir lebih sedikit dari wilayah metro
  • Sedang tergentrifikasi
    • Kenaikan tingkat pendidikan: % ber-Gelar S1+ tumbuh lebih cepat dari wilayah metro
    • Kenaikan nilai rumah: Median nilai rumah lebih tinggi dari periode sebelumnya (disesuaikan inflasi)
1 Freeman, Lance. 2005. “Displacement or Succession?: Residential Mobility in Gentrifying Neighborhoods.” Urban Affairs Review 40 (4): 463–91.
Menganalisis Data Sensus AS dengan Python

Sumber Data

  • Sensus Penduduk dan Perumahan 2000 - File Ringkasan 3
    • P53: Median Pendapatan Rumah Tangga tahun 1999 (Dolar)
    • H34: Tahun Bangunan Dibangun
    • P37: Jenis Kelamin menurut Capaian Pendidikan usia 25+
    • H85: Nilai Median (Dolar) untuk Seluruh Unit Hunian Milik Sendiri
  • American Community Survey Data 5-Tahun (2008–2012)
    • B15003: Capaian Pendidikan usia 25+
    • B25077: Nilai Median (Dolar) - Unit hunian milik sendiri
Menganalisis Data Sensus AS dengan Python

bk_2000: Tract Sensus Brooklyn 2000

state                | FIPS Negara Bagian     
county               | FIPS County    
tract                | FIPS Tract     
geometry             | Kolom geometri
mhi                  | Median Pendapatan Rumah Tangga (tract)                                
mhi_msa              | Median Pendapatan Rumah Tangga (Kawasan Metro NY)                        
median_value         | Nilai Rumah Median (tract)                                     
median_value_msa     | Nilai Rumah Median (Kawasan Metro NY)                              
pct_recent_build     | Persen rumah dibangun antara 1980–1999 (tract)         
pct_recent_build_msa | Persen rumah dibangun antara 1980–1999 (Kawasan Metro NY) 
pct_ba               | Persentase usia 25 tahun ber-Gelar S1+ (tract)           
pct_ba_msa           | Persentase usia 25 tahun ber-Gelar S1+ (Kawasan Metro NY)
Menganalisis Data Sensus AS dengan Python

Kriteria Boolean

bk_2000[["tract", "mhi", "mhi_msa"]].head()

    tract    mhi  mhi_msa
0  051200  31393    50795
1  051300  30000    50795
2  051400  32103    50795
3  051500  36107    50795
4  051600  25148    50795

bk_2000["low_mhi"] = bk_2000["mhi"] < bk_2000["mhi_msa"]
Menganalisis Data Sensus AS dengan Python

Memetakan Tract Berpendapatan Rendah

bk_2000.plot(column = "low_mhi", cmap = "Blues")

Peta tract Sensus di Brooklyn, dengan tract berpendapatan rendah berwarna biru tua.

Menganalisis Data Sensus AS dengan Python

Ayo berlatih!

Menganalisis Data Sensus AS dengan Python

Preparing Video For Download...