1. Învăţa
    2. /
  2. Projects
    3. /
  3. Python으로 미국 인구조사 데이터 분석하기
Connected

exercise

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.

Instrucţiuni

100 XP
  • 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.