高い家賃と家賃負担
サンフランシスコのような地域では家賃が非常に高いことがありますが、家賃負担の実態を把握するには、総家賃そのものを見るよりも、家賃に支出する所得の割合を見るほうが有用な場合があります。
この演習では、サンフランシスコの各Census tract（国勢調査区）ごとのドル建ての総家賃（median_rent）と、所得に対する割合（median_rent_pct_of_income）を持つDataFrameを、対応するトラクトの geopandas DataFrame と結合します。その後、これら2つの変数を地図にして比較します。地図の色が濃いほど値が高いこと（家賃が高い、または家賃が所得に占める割合が高いこと）を示します。
コンソールには、これら2列の先頭数行が表示されています。
pandas と geopandas は通常のエイリアスでインポート済みです。
この演習はコースの一部です
Pythonで学ぶ米国センサスデータ分析
演習の手順
sf_rentをsf_tractsの geopandas DataFrame とmergeし、state、county、tract列で一致させます。- サンフランシスコの
median_rentを地図化するにあたって、欠損のあるトラクトを除外するためにmedian_rent列でnotnull()メソッドを使用します。 median_rent_pct_of_income列を地図化します。プロットウィンドウの矢印を使って、この地図とmedian_rentの地図を見比べてください。median_rentとmedian_rent_pct_of_incomeのピアソン相関を表示します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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(____))