Charge locative à San Francisco
Dans cet exercice, vous allez examiner la charge locative (ménages consacrant 30 % ou plus de leur revenu au loyer) à San Francisco, l’un des marchés du logement les plus chers du pays.
Le DataFrame rent contient le nombre de ménages dans chacune des 7 catégories de revenu croisé avec 8 catégories de part du loyer dans le revenu. Pour chaque catégorie de revenu, vous allez utiliser une boucle pour calculer le pourcentage de ménages en situation de charge locative dans chaque catégorie de revenu. Les préfixes de noms de colonnes associés à chaque catégorie de revenu sont dans une liste :
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 et seaborn sont importés avec leurs alias habituels.
Cet exercice fait partie du cours
Analyzing US Census Data in Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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"])