Peso do Aluguel em São Francisco
Neste exercício, você vai analisar o peso do aluguel (domicílios que pagam 30% ou mais da renda em aluguel) em São Francisco, um dos mercados imobiliários mais caros do país.
O DataFrame rent contém o número de domicílios em cada uma de 7 faixas de renda cruzadas com 8 categorias de parcela da renda gasta com aluguel. Para cada faixa de renda, você vai usar um loop para calcular a porcentagem de domicílios com peso de aluguel em cada categoria de renda. Os prefixos dos nomes das colunas associados a cada faixa de renda estão em uma lista:
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 e seaborn já foram importados com os aliases de sempre.
Este exercício faz parte do curso
Analisando dados do Censo dos EUA em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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"])