Hodnoty nemovitostí v Kalifornii

Kalifornská velkoměsta jsou v posledních letech v centru pozornosti kvůli prudce rostoucím cenám bydlení. Jak se změnila střední hodnota nemovitostí za posledních několik let? V tomto cvičení použiješ smyčku k načtení proměnné B25077_001E ze sedmi ročníků ACS a zobrazíš vývoj hodnoty v čase.

Slovník predicates byl vytvořen a je vypsán do konzole. Všimni si, že state:06 nastavuje GEOID pro Kalifornii. pandas a seaborn byly importovány s obvyklými aliasy. HOST a dataset jsou definovány a dfs je prázdný seznam inicializovaný jako kolektor načtených DataFramů.

Toto cvičení je součástí kurzu

Analýza dat amerického sčítání lidu v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vytvoř objekt range s celými čísly od 2011 do 2017
Vytvoř sloupec s názvem "year" a nastav jeho hodnotu na aktuální hodnotu proměnné year
Nastav datový typ sloupce median_home_value na int
Vytvoř spojnicový graf hodnot nemovitostí. Nastav první parametr (x) na "year" a druhý parametr (y) na "median_home_value"

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Loop over years 2011 to 2017
for year in ____:
    base_url = "/".join([HOST, str(year), dataset])
    r = requests.get(base_url, params=predicates)
    df = pd.DataFrame(columns=col_names, data=r.json()[1:])    
    # Add column to df to hold year value, append df to collector dfs
    ____
    dfs.append(df)

# Concatenate all DataFrames, fix column type
states = pd.concat(dfs, ignore_index=True)
states["median_home_value"] = ____

sns.lineplot(____, ____, data = states)
plt.show()

Upravit a spustit kód