शुरू करेंमुफ़्त में शुरू करें

उच्च किराया और किराया-बोझ

San Francisco जैसे स्थानों में किराये बहुत अधिक हो सकते हैं, लेकिन किराया-बोझ की भौगोलिकता समझने के लिए केवल सकल किराये (gross rents) देखना उतना उपयोगी नहीं है जितना कि किराये पर खर्च होने वाली आय का हिस्सा देखना.

इस अभ्यास में, आप San Francisco के Census tracts के लिए डॉलर में सकल किराये (median_rent) और आय के प्रतिशत के रूप में किराया (median_rent_pct_of_income) वाले DataFrame को उन tracts के geopandas DataFrame के साथ जोड़ेंगे. इसके बाद आप इन दोनों वैरिएबल्स का मानचित्र बनाएँगे और उनकी तुलना करेंगे. मानचित्रों में गहरा रंग उच्च मान दर्शाता है (यानी अधिक किराया, या आय में से किराये का अधिक हिस्सा).

इन दोनों कॉलम्स की शुरुआती कुछ पंक्तियाँ कंसोल में दिखाई गई हैं.

pandas और geopandas सामान्य उपनामों (aliases) के साथ इम्पोर्ट किए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में US Census डेटा का विश्लेषण

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sf_rent को sf_tracts geopandas DataFrame के साथ merge करें, और state, county तथा tract कॉलम्स पर मैच करें.
  • San Francisco में median_rent को मैप करने के लिए, missing डेटा वाले tract को हटाने हेतु median_rent कॉलम पर notnull() मेथड का उपयोग करें.
  • median_rent_pct_of_income कॉलम को मैप करें. इस मानचित्र की तुलना median_rent के मानचित्र से करने के लिए plotting विंडो में तीरों (arrows) का उपयोग करें.
  • median_rent और median_rent_pct_of_income के बीच Pearson correlation प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Merge geometries with rent data
sf_tracts = sf_tracts.merge(____, ____)

# Plot median rent by Census tract
sf_tracts[____].plot(column = "median_rent", cmap = "YlGnBu")
plt.show()
plt.close()

# Plot median rent as percentage of income
sf_tracts.plot(____, cmap = "YlGnBu")
plt.show()

# Show correlation between median rent and percent of income
print(sf_tracts["median_rent"].corr(____))
कोड संपादित करें और चलाएँ