Beban Sewa di San Francisco
Dalam latihan ini, Anda akan meninjau beban sewa (rumah tangga yang membayar 30% atau lebih dari pendapatannya untuk sewa) di San Francisco, salah satu pasar perumahan dengan harga tertinggi di negara tersebut.
DataFrame rent memuat jumlah rumah tangga dalam masing-masing dari 7 kategori pendapatan yang dipadukan dengan 8 kategori porsi sewa terhadap pendapatan. Untuk setiap kategori pendapatan, Anda akan menggunakan sebuah loop untuk menghitung persentase rumah tangga yang terbebani sewa di setiap kategori pendapatan. Awalan nama kolom yang terkait dengan setiap kategori pendapatan ada dalam sebuah daftar:
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 dan seaborn telah diimpor menggunakan alias yang biasa digunakan.
Latihan ini adalah bagian dari kursus
Menganalisis Data Sensus AS dengan Python
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# 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"])