Hyresbörda i San Francisco
I den här övningen studerar du hyresbörda (hushåll som betalar 30 % eller mer av sin inkomst i hyra) i San Francisco – en av landets dyraste bostadsmarknader.
DataFrame:en rent innehåller antalet hushåll i var och en av 7 inkomstkategorier korsade med 8 kategorier för hyrans andel av inkomsten. För varje inkomstkategori använder du en loop för att beräkna andelen hyresbelastade hushåll. Kolumnnamnsprefixen för varje inkomstkategori finns i en 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 och seaborn importeras med de vanliga aliasen.
Den här övningen är en del av kursen
Analys av amerikansk folkräkningsdata i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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"])