높은 임대료와 임대료 부담

샌프란시스코처럼 임대료가 매우 비싼 곳이 있지만, 임대료 부담의 지리적 분포를 이해하려면 총임대료 자체를 보는 것보다 임대료에 쓰는 소득의 비중을 살펴보는 것이 더 유용할 수 있습니다.

이 연습 문제에서는 샌프란시스코의 센서스 트랙트별 달러 기준 총임대료(median_rent)와 소득 대비 비율(median_rent_pct_of_income)이 담긴 DataFrame을 해당 트랙트의 geopandas DataFrame과 조인합니다. 그런 다음 이 두 변수를 지도에 표시해 비교해 봅니다. 지도에서 색이 진할수록 값이 높음(임대료가 높거나, 임대료의 소득 대비 비중이 높음)을 의미합니다.

이 두 열의 처음 몇 행은 콘솔에 표시됩니다.

pandas와 geopandas는 일반적인 별칭으로 임포트되어 있습니다.

이 연습은 강의의 일부입니다

Python으로 미국 인구조사 데이터 분석하기

강의 보기

연습 안내

sf_rent를 sf_tracts geopandas DataFrame과 merge하고, state, county, tract 열을 기준으로 매칭하세요.
샌프란시스코의 median_rent를 매핑할 때, 누락된 데이터가 있는 트랙트를 제외하도록 median_rent 열에 notnull() 메서드를 사용하세요.
median_rent_pct_of_income 열을 매핑하세요. 플로팅 창의 화살표를 사용해 이 지도와 median_rent 지도를 비교하세요.
median_rent와 median_rent_pct_of_income 사이의 피어슨 상관계수를 출력하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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(____))

코드 편집 및 실행