Huurdruk in San Francisco
In deze oefening kijk je naar huurdruk (huishoudens die 30% of meer van hun inkomen aan huur betalen) in San Francisco, een van de duurste woningmarkten van het land.
De DataFrame rent bevat het aantal huishoudens in elk van 7 inkomenscategorieën, gekruist met 8 categorieën voor het aandeel huur-in-inkomen. Voor elke inkomenscategorie gebruik je een lus om het percentage huishoudens met huurdruk in elke inkomenscategorie te berekenen. De voorvoegsels van de kolomnamen die bij elke inkomenscategorie horen, staan in een lijst:
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 en seaborn zijn geïmporteerd met de gebruikelijke aliassen.
Deze oefening maakt deel uit van de cursus
US Census-gegevens analyseren in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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"])