6. 关于我们的数据¶
这个研讨会的数据包括纽约市的四个shape文件和一个包含社会人口变量的属性表。我们已将shape文件加载为PostGIS表,并将在研讨会后期添加社会人口数据。
以下描述了我们每个数据集的记录数和表属性。这些属性值和关系对于我们未来的分析至关重要。
要探索pgAdmin中表的性质,右键单击高亮显示的表,然后选择**Properties**。您将找到包括**Columns**选项卡中的表属性列表的表属性摘要。
6.1. nyc_census_blocks¶
人口普查区块是报告人口普查数据的最小地理单位。所有更高级别的人口普查地理单位(区块组、区块、都会区、县等)都可以由人口普查区块的联合构建而成。我们已经将一些人口统计数据附加到我们的区块集合中。
Number of records: 38794
blkid |
一个15位的代码,唯一标识每个人口普查**区块**。例如:360050001009000 |
popn_total |
人口普查区块中的总人口数 |
popn_white |
在该区块中自我识别为“白人”的人数 |
popn_black |
该街区中自称为“黑人”的人数 |
popn_nativ |
街区中自认为“美洲原住民”的人数 |
popn_asian |
该街区中自称“亚洲人”的人数 |
popn_other |
在该区域自我认同为其他类别的人数 |
boroname |
纽约市的行政区名称分别是:曼哈顿、布朗克斯、布鲁克林、史泰登岛和皇后区。 |
geom |
街区的多边形边界 |
注解
要将人口普查数据导入地理信息系统(GIS),您需要将两个信息部分连接起来:实际数据(文本)和边界文件(空间)。有许多选项可以获取数据,包括从人口普查局的`American FactFinder <http://factfinder.census.gov>`_下载数据和边界。
6.2. nyc_neighborhoods¶
纽约的街区名称和范围有着丰富的历史。 社区是不遵循政府规定的社会结构。 例如,布鲁克林的卡罗尔花园、红钩和科布尔山社区曾被统称为“南布鲁克林”。 现在,根据您与哪个房地产经纪人交谈,以前称为雷德胡克的社区中的四个街区可以被称为哥伦比亚高地、卡罗尔花园西或雷德胡克!
记录数量:129
name |
社区的名称 |
boroname |
纽约市的行政区名称分别是:曼哈顿、布朗克斯、布鲁克林、史泰登岛和皇后区。 |
geom |
社区的多边形边界 |
6.3. nyc_streets¶
街道中心线形成了城市的交通网络。这些街道已经用不同的类型进行标记,以区分小巷、主干道、高速公路和较小的街道等道路。居住的理想区域可能位于住宅区的街道上,而不是靠近高速公路。
记录数量:19091
name |
街道的名称 |
oneway |
街道是否为单行道?"yes" = 是, "" = 否 |
type |
道路类型(主要道路、次要道路、居民区道路、高速公路) |
geom |
街道的线性中心线 |
6.4. nyc_subway_stations¶
地铁站连接着人们生活的上层世界与地下的看不见的地铁网络。作为公共交通系统的门户,地铁站的位置决定了不同人们进入地铁系统的便利程度。
记录数量:491
name |
站名 |
borough |
纽约市的行政区名称分别是:曼哈顿、布朗克斯、布鲁克林、史泰登岛和皇后区。 |
routes |
经过这个站的地铁线路 |
transfers |
通过这个站可以换乘的地铁线路 |
express |
特快列车停靠的车站,“express” = 是,“” = 否 |
geom |
车站的点位置 |
6.5. nyc_census_sociodata¶
人口普查过程中收集了丰富的社会经济数据,但只在人口普查区级别上进行了收集。人口普查区由人口普查区块组成(以及区块组)。我们已经收集了一些人口普查区级别的社会经济数据,以回答一些关于纽约市更有趣的问题。
注解
``nyc_census_sociodata``是一个数据表。在进行任何空间分析之前,我们需要将其与人口普查地理信息连接起来。
tractid |
每个人口普查**区**唯一标识的11位代码是。(“36005000100”) |
transit_total |
人口普查区的工作人数 |
transit_private |
人口普查区中使用私家车/摩托车的工作人数 |
transit_public |
人口普查区中乘坐公共交通工具的工作人数 |
transit_walk |
人口普查区中步行上班的工作人数 |
transit_other |
人口普查区中使用其他形式(如步行/骑自行车)上班的工作人数 |
transit_none |
人口普查区中在家工作的工作人数 |
transit_time_mins |
人口普查区内所有工作人员在交通工具上花费的总时间(分钟) |
family_count |
人口普查区内的家庭数量 |
family_income_median |
人口普查区内家庭收入的中位数(美元) |
family_income_mean |
人口普查区内家庭收入的平均数(美元) |
family_income_aggregate |
人口普查区内所有家庭的总收入(美元) |
edu_total |
具有教育背景的人数 |
edu_no_highschool_dipl |
没有高中文凭的人数 |
edu_highschool_dipl |
持有高中文凭但没有进一步教育的人数 |
edu_college_dipl |
持有大学文凭但没有进一步教育的人数 |
edu_graduate_dipl |
持有研究生学历的人数 |