ACS-Schätzungen über mehrere Jahre vergleichen
Die American Community Survey wird jedes Jahr aktualisiert. So können Forschende ACS-Datensätze nutzen, um demografische Veränderungen im Zeitverlauf zu untersuchen.
In dieser Übung lernst du, wie du mit der tidyverse-Funktion map_df() mit mehrjährigen ACS-Daten arbeitest. map_df() hilft dabei, durch eine Folge von Werten zu iterieren, für jeden Wert einen Prozess auszuführen und die Ergebnisse anschließend in einem einzigen Data Frame zu kombinieren. Du wirst map_df() auf diese Weise mit ACS-Daten verwenden: Du iterierst durch einen Vektor von Jahren, rufst für jedes Jahr ACS-Daten ab und kombinierst die Ergebnisse. So kannst du sehen, wie sich ACS-Schätzungen im Laufe der Zeit verändert haben.
Diese Übung ist Teil des Kurses
US-Census-Daten in R analysieren
Anleitung zur Übung
- Verwende die tidyverse-Funktion
map_df(), um anzugeben, dass du durch den Jahresvektor2012:2016iterierst. - Gib die Erhebung als
"acs1"an, um Daten aus der 1‑Jahres-ACS zu erhalten. - Verwende die Funktion
mutate(), um eine neue Spalte zu berechnen, die das Erhebungsjahr in deinem Ausgabe-Data-Frame speichert.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Map through ACS1 estimates to see how they change through the years
mi_cities <- ___(2012:2016, function(x) {
get_acs(geography = "place",
variables = c(totalpop = "B01003_001"),
state = "MI",
survey = ___,
year = x) %>%
___(year = x)
})
mi_cities %>% arrange(NAME, year)