Mietbelastung in San Francisco
In dieser Übung schaust du dir die Mietbelastung an (Haushalte, die 30 % oder mehr ihres Einkommens für Miete ausgeben) in San Francisco, einem der teuersten Wohnungsmärkte des Landes.
Das DataFrame rent enthält die Anzahl der Haushalte in jeweils 7 Einkommenskategorien, gekreuzt mit 8 Kategorien des Mietenanteils am Einkommen. Für jede Einkommenskategorie wirst du mit einer Schleife den prozentualen Anteil der mietbelasteten Haushalte in jeder Einkommenskategorie berechnen. Die Präfixe der Spaltennamen, die zu den Einkommenskategorien gehören, sind in einer Liste abgelegt:
incomes = ["inc_under_10k", "inc_10k_to_20k", "inc_20k_to_35k", "inc_35k_to_50k",
"inc_50k_to_75k", "inc_75k_to_100k", "inc_over_100k"]
pandas und seaborn sind mit den üblichen Aliassen importiert.
Diese Übung ist Teil des Kurses
<Kurs>Analyse von US-Volkszählungsdaten mit Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Calculate percentage of rent burdened households
rent_burden = rent[["name"]]
for income in incomes:
rent_burden[income] = 100 * (rent[____] +
rent[____] + rent[____] +
rent[____]) / (rent[income] - rent[income + "_rent_not_computed"])