Ich hatte in einem vorherigen Post bereits die Bevölkerung von Mannheim analysiert. Ich hatte in der Analyse OpenSearch verwendet und bin auch relativ zufrieden mit dem Tool. OpenSearch hat jedoch seine Schwächen, wenn es darum geht, tatsächlich Analysen zu entwickeln. Die Rohdaten müssen auf verschiedene Arten aufbereitet werden, damit man wirklich zuverlässige Aggregationen und daraus folgender Analysen aufstellen kann. OpenSearch eignet sich gut für Live-Daten oder zum Konsumieren von Analysen (in Form von Reportings, Notifications, Alerts usw). Ich habe mich die letzten Wochen mit R und Jupyter Notebooks befasst und möchte eine verbesserte Darstellung hier bereit stellen. Jupyter basiert auf Python und man kann relativ schnell und einfach sehr interessante Graphen aufbauen.
Hier ist nun nicht mehr der Median der Wachstumsraten einzelner Stadtteile dargestellt (wie in der vorherigen Analyse), sondern der Wachstum für ganz Mannheim. Man sieht dass es 2015 ein starkes Wachstum und 2016 ein Rückgang im Wachstum zu verzeichnen war. Dieses Hoch und Tief wurde vermutlich von der Flüchtlingskrise verursacht. Für das Tief in 2020 ist vermutlich Corona verantwortlich. Es spielen hier mehrere Aspekte eine Rolle:
1. Höhere Sterblichkeit: Durch Krankheitsfälle.
2. Wegzug aus Mannheim: Durch Home Office und höhere Mieten in Innenstädten sind die Menschen ausgezogen.
3. Niedrigere Geburtenrate.
Der genaue Grund ist basierend auf den vorhandenen Daten nicht auszumachen. Mir liegen auch die Daten vom Sozialatlas 2021 vor, ich werde die Daten daraus nutzen, um versuchen Evidenz für einzelne Aspekte herauszufinden.
In dieser Analyse habe ich die Anteil der Personen mit Migrationshintergrund mit denen ohne Migrationshintergrund in einer Streudiagramm betrachtet. Ich hatte ehrlich gesagt gar keine so hohen Erwartungen, dass man daraus irgendwas folgern kann, aber ich wurde dann doch überrascht. Die Ansammlung der Werte im unteren rechten Rand heben sich deutlich gegenüber den anderen Werten hervor (MH>60%). Man kann die Stadtteile aufteilen in Stadteile mit niedrigem MH (<40%), in Stadtteile mit mittlerem MH (>=40%, <60%) und in Stadtteile mit hohem MH (>=60%). Für mich besonders interessant ist es, diese drei Gruppen mit den Informationen aus dem Sozialatlas zu betrachten. Dies wird in kommenden Analysen betrachtet. Im Folgenden ist die Liste der Stadtteile aus der dritten Kategorie.
Das folgende Diagramm betrachtet alle Stadtteile sortiert nach der Anzahl der Einwohner. Der Graph sagt nicht viel aus, außer dass man damit die Stadtteile auch nach ihrer Größe kategorisieren kann. Es sind ein paar Plateaus sichtbar, an denen man die Grenzen der Kategorien ausmachen kann, aber das ist hiermit noch nicht eindeutig auszumachen.
Zum Schluss möchte ich noch den folgenden Graphen teilen. Dieser Graph zeigt, wie schnell und einfach man sehr interessante Visualisierungen erstellen kann.
In diesem Graphen sieht man für jedes Stadtteil gesondert alle Wachstumsraten für jedes Jahr. Hier erkennt genau, wo die größten Flüchtlingszentren waren. Diese waren in Franklin (hier nicht dargestellt), Seckenheim und Neckarstadt-West. Franklin wurde aus dieser Darstellung ausgenommen, weil der Stadtteil durch seine Größe viele Ausreißer hat und so die Darstellung verzerrt.
Damit schließe ich die heutige Analyse auch ab. Im nächsten Teil wird der Sozialatlas betrachtet.