Je nájemné příliš vysoké?

Analýza dat amerického sčítání lidu v Pythonu

Lee Hachadoorian

Asst. Professor of Instruction, Temple University

Definice

Způsoby výpočtu nájemného:

Smluvní nájemné: Nájemné placené na základě smlouvy
Hrubé nájemné: Nájemné včetně energií; energie mohou být zahrnuty ve smluvním nájemném nebo placeny nájemcem samostatně

Zátěž nájemným:

Zátěž nájemným: Platba 30 % nebo více příjmu domácnosti na nájemném
Závažná zátěž nájemným: Platba 50 % nebo více příjmu domácnosti na nájemném

Tabulka B25074: Příjem domácnosti podle hrubého nájemného jako procenta příjmu domácnosti za posledních 12 měsíců

Total
    Less than $10,000
        Less than 20.0 percent
        20.0 to 24.9 percent
        25.0 to 29.9 percent
        30.0 to 34.9 percent
        35.0 to 39.9 percent
        40.0 to 49.9 percent
        50.0 percent or more
        Not computed
    $10,000 to $19,999
    $20,000 to $34,999
    $35,000 to $49,999
    $50,000 to $74,999
    $75,000 to $99,999
    $100,000 or more

Podíl nájemného na příjmu v USA, ACS 2012–2016

total                                     42835169
inc_under_10k                              5558843
inc_under_10k_rent_under_20_pct              57052
inc_under_10k_rent_20_to_25_pct              58042
inc_under_10k_rent_25_to_30_pct             208806
inc_under_10k_rent_30_to_35_pct             177709
inc_under_10k_rent_35_to_40_pct             102565
inc_under_10k_rent_40_to_50_pct             150153
inc_under_10k_rent_over_50_pct             3381537
inc_under_10k_rent_not_computed            1422979
inc_10k_to_20k                             7027373
inc_10k_to_20k_rent_under_20_pct            213000
etc...

Výpočet zátěže nájemným

print(rent.columns[10:19])

Index(['inc_10k_to_20k', 'inc_10k_to_20k_rent_under_20_pct',
   'inc_10k_to_20k_rent_20_to_25_pct', 'inc_10k_to_20k_rent_25_to_30_pct',
   'inc_10k_to_20k_rent_30_to_35_pct', 'inc_10k_to_20k_rent_35_to_40_pct',
   'inc_10k_to_20k_rent_40_to_50_pct', 'inc_10k_to_20k_rent_over_50_pct',
   'inc_10k_to_20k_rent_not_computed'],
  dtype='object')

Výpočet zátěže nájemným

rent["inc_10k_to_20k_rent_burden"] = 100 * (

    rent["inc_10k_to_20k_rent_30_to_35_pct"] + 
    rent["inc_10k_to_20k_rent_35_to_40_pct"] + 
    rent["inc_10k_to_20k_rent_40_to_50_pct"] + 
    rent["inc_10k_to_20k_rent_over_50_pct"]

    ) / (
    rent["inc_10k_to_20k"] - 
    rent["inc_10k_to_20k_rent_not_computed"]
    )

Výpočet zátěže nájemným

print(rent["inc_10k_to_20k_rent_burden"])

0    87.008024
Name: inc_10k_to_20k_rent_burden, dtype: float64

Výpočet zátěže nájemným ve smyčce

# Create list with income category part of column names
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"]

Výpočet zátěže nájemným ve smyčce

# Create new DataFrame with just the geography name
rent_burden = rent["name"]

# Loop over the list of income categories
for income in incomes:

    # Construct column names
    rent_burden[income] =

        100 * (rent[income + "_rent_30_to_35_pct"] + 
        rent[income + "_rent_35_to_40_pct"] + 
        rent[income + "_rent_40_to_50_pct"] + 
        rent[income + "_rent_over_50_pct"]) / (
        rent[income] - rent[income + "_rent_not_computed"])

Zátěž nájemným v USA podle příjmové kategorie

print(rent_burden.squeeze())

name               United States
inc_under_10k            92.1685
inc_10k_to_20k            87.008
inc_20k_to_35k           74.7448
inc_35k_to_50k           43.0434
inc_50k_to_75k           21.0937
inc_75k_to_100k          9.11853
inc_over_100k            3.14882
Name: 0, dtype: object

Sloupcový graf zobrazující procento domácností zatížených nájemným pro 7 příjmových kategorií. S rostoucím příjmem sloupce klesají z 92 % na 3 % domácností.

Pojďme si procvičit!

Analýza dat amerického sčítání lidu v Pythonu