Changement dans le quartier

Analyser les données du recensement des États-Unis avec Python

Lee Hachadoorian

Asst. Professor of Instruction, Temple University

Qu'est-ce que la gentrification ?

  • Désinvestissement dans le centre-ville
  • Baisse de la population de la classe moyenne et dégradation du parc de logements
  • Retour de ménages de la classe moyenne et aisée qui rénovent de vieux logements
  • Déplacement possible de ménages ouvriers, noirs et issus de l'immigration
Analyser les données du recensement des États-Unis avec Python

Opérationnaliser la gentrification

  • Gentrifiable
    • Faible revenu médian : revenu médian des ménages (MHI) sous la médiane métropolitaine
    • Construction lente : nouveaux logements depuis 20 ans inférieurs à la moyenne métropolitaine
  • En gentrification
    • Scolarité en hausse : la part avec BA ou plus croît plus vite qu'au niveau métropolitain
    • Valeur des maisons en hausse : valeur médiane supérieure à la période précédente (ajustée à l'inflation)
1 Freeman, Lance. 2005. « Displacement or Succession?: Residential Mobility in Gentrifying Neighborhoods. » Urban Affairs Review 40 (4): 463–91.
Analyser les données du recensement des États-Unis avec Python

Sources de données

  • 2000 Census of Population and Housing - Summary File 3
    • P53 : Median Household Income in 1999 (Dollars)
    • H34 : Year Structure Built
    • P37 : Sex by Educational Attainment for the Population 25 Years and Over
    • H85 : Median Value (Dollars) for All Owner-Occupied Housing Units
  • American Community Survey 5-Year Data (2008-20012)
    • B15003 : Educational Attainment for the Population 25 Years and Over
    • B25077 : Median Value (Dollars) - Owner-occupied housing units
Analyser les données du recensement des États-Unis avec Python

bk_2000 : secteurs de recensement de Brooklyn, 2000

state                | State FIPS     
county               | County FIPS    
tract                | Tract FIPS     
geometry             | Geometry column
mhi                  | Median Household Income (tract)                                
mhi_msa              | Median Household Income (NY Metro Area)                        
median_value         | Median House Value (tract)                                     
median_value_msa     | Median House Value(NY Metro Area)                              
pct_recent_build     | Percent of housing built between 1980 and 1999 (tract)         
pct_recent_build_msa | Percent of housing built between 1980 and 1999 (NY Metro Area) 
pct_ba               | Percentage of 25 year olds with BA or higher (tract)           
pct_ba_msa           | Percentage of 25 year olds with BA or higher(NY Metro Area)    
Analyser les données du recensement des États-Unis avec Python

Critères booléens

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"]
Analyser les données du recensement des États-Unis avec Python

Cartographier les secteurs à faible revenu

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

Carte des secteurs de recensement de Brooklyn, où les secteurs à faible revenu sont en bleu foncé.

Analyser les données du recensement des États-Unis avec Python

Passons à la pratique !

Analyser les données du recensement des États-Unis avec Python

Preparing Video For Download...