地域の変化

Pythonで学ぶ米国センサスデータ分析

Lee Hachadoorian

Asst. Professor of Instruction, Temple University

ジェントリフィケーションとは

  • 都心の投資縮小
  • 中間層の減少と住宅ストックの老朽化
  • 中・上中流階級の再流入と既存住宅の改修
  • 労働者階級、黒人、移民世帯の移転リスク
Pythonで学ぶ米国センサスデータ分析

ジェントリフィケーションの操作化

  • ジェントリ化可能
    • 中央値が低い所得: 世帯所得中央値(MHI)が都市圏の中央値未満
    • 住宅建設が低調: 過去20年の新築が都市圏より少ない
  • ジェントリフィケーション進行中
    • 学歴の上昇: 学士以上の割合が都市圏より速く増加
    • 住宅価値の上昇: 物価調整後の住宅価値中央値が前期より高い
1 Freeman, Lance. 2005. “Displacement or Succession?: Residential Mobility in Gentrifying Neighborhoods.” Urban Affairs Review 40 (4): 463–91.
Pythonで学ぶ米国センサスデータ分析

データソース

  • 2000年 国勢調査(人口・住宅)- サマリーファイル3
    • P53: 1999年の世帯所得中央値(ドル)
    • H34: 建築年
    • P37: 25歳以上の学歴(性別別)
    • H85: 自己所有住宅の住宅価値中央値(ドル)
  • American Community Survey 5年推計(2008–2012)
    • B15003: 25歳以上の学歴
    • B25077: 自己所有住宅の住宅価値中央値(ドル)
Pythonで学ぶ米国センサスデータ分析

bk_2000: 2000年 ブルックリン国勢調査トラクト

state                | 州FIPS     
county               | 郡FIPS    
tract                | トラクトFIPS     
geometry             | ジオメトリ列
mhi                  | 世帯所得中央値(トラクト)                                
mhi_msa              | 世帯所得中央値(NY都市圏)                        
median_value         | 住宅価値中央値(トラクト)                                     
median_value_msa     | 住宅価値中央値(NY都市圏)                              
pct_recent_build     | 1980~1999年に建設の住宅の割合(トラクト)         
pct_recent_build_msa | 1980~1999年に建設の住宅の割合(NY都市圏) 
pct_ba               | 25歳以上で学士以上の割合(トラクト)           
pct_ba_msa           | 25歳以上で学士以上の割合(NY都市圏)    
Pythonで学ぶ米国センサスデータ分析

ブール条件

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"]
Pythonで学ぶ米国センサスデータ分析

低所得地区のマッピング

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

ブルックリンの国勢調査地区の地図。低所得の地区が濃い青で表示されている。

Pythonで学ぶ米国センサスデータ分析

Passons à la pratique !

Pythonで学ぶ米国センサスデータ分析

Preparing Video For Download...