Immobilienwerte in Kalifornien
Die großen Städte Kaliforniens sind wegen explodierender Immobilienpreise in den Nachrichten. Wie hat sich der Medianwert von Häusern in den letzten Jahren verändert? In dieser Übung verwendest du eine Schleife, um die Variable B25077_001E aus sieben ACS-Jahren abzurufen und den Wert über die Zeit zu visualisieren.
Das Dictionary predicates wurde erstellt und in der Konsole ausgegeben. Beachte, dass state:06 die GEOID für Kalifornien setzt. pandas und seaborn wurden mit den üblichen Aliasen importiert. HOST und dataset sind definiert, und dfs ist eine leere Liste, die als Sammelstelle für die angeforderten DataFrames initialisiert wurde.
Diese Übung ist Teil des Kurses
Analyse von US-Volkszählungsdaten mit Python
Anleitung zur Übung
- Erzeuge ein
range-Objekt mit Ganzzahlen von 2011 bis 2017 - Erstelle eine Spalte namens
"year"und setze ihren Wert auf den aktuellen Wert der Variableyear - Setze den Datentyp der Spalte
median_home_valueaufint - Erstelle ein Linien-Diagramm der Immobilienwerte. Setze den ersten Parameter (
x) auf"year", den zweiten Parameter (y) auf"median_home_value"
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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()