क्या किराया बहुत ज़्यादा है?

Python में US Census डेटा का विश्लेषण

Lee Hachadoorian

Asst. Professor of Instruction, Temple University

परिभाषाएँ

किराया निकालने के अलग-अलग तरीके:

Contract Rent: लीज़ पर दिया गया किराया
Gross Rent: किराया प्लस यूटिलिटीज; कुछ लीज़ में यूटिलिटीज शामिल होती हैं, अन्य में किरायेदार अलग से चुकाता है

किराया बोझ:

Rent Burden: घर की आय का 30% या अधिक किराए में देना
Severe Rent Burden: घर की आय का 50% या अधिक किराए में देना

Table B25074: पिछले 12 महीनों में HH आय के प्रतिशत के रूप में ग्रॉस किराए द्वारा HH आय

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

संयुक्त राज्य: आय में किराए का हिस्सा, 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...

किराया बोझ की गणना

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')

किराया बोझ की गणना

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"]
    )

किराया बोझ की गणना

print(rent["inc_10k_to_20k_rent_burden"])

0    87.008024
Name: inc_10k_to_20k_rent_burden, dtype: float64

लूप में किराया बोझ निकालना

# 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"]

लूप में किराया बोझ निकालना

# 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"])

संयुक्त राज्य: आय-श्रेणी अनुसार किराया बोझ

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

7 आय श्रेणियों के लिए किराया-बोझ वाले परिवारों का प्रतिशत दिखाता बारप्लॉट। जैसे-जैसे आय बढ़ती है, बार 92% से 3% तक घटते हैं.

अभ्यास करते हैं!

Python में US Census डेटा का विश्लेषण