Anteil weiblicher Kreditnehmender

In der letzten Übung hast du nach Jahr und Rasse (bzw. ethnischer Zugehörigkeit) stratifiziert. Es gibt jedoch viele weitere Möglichkeiten, die Daten zu partitionieren. In dieser und der nächsten Übung ermittelst du den Anteil weiblicher Kreditnehmender in städtischen und ländlichen Gebieten pro Jahr. Diese Übung unterscheidet sich leicht von der vorherigen, weil du nicht einfach Zählungen bestimmst, sondern die Quote weiblicher Kreditnehmender berechnest, bedingt durch das Jahr.

Für diese Übung haben wir eine Funktion definiert, die den Anteil weiblicher Kreditnehmender für städtische und ländliche Gebiete berechnet: female_residence_prop().

Diese Übung ist Teil des Kurses

Skalierbare Datenverarbeitung in R

Kurs anzeigen

Anleitung zur Übung

Rufe female_residence_prop() auf, um den Anteil weiblicher Kreditnehmender für städtische und ländliche Gebiete für 2015 zu ermitteln:
- Das erste Argument sind die Daten, mort.
- Das zweite Argument ist ein logischer Vektor, der den Zeilennummern für 2015 entspricht.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

female_residence_prop <- function(x, rows) {
    x_subset <- x[rows, ]
    # Find the proportion of female borrowers in urban areas
    prop_female_urban <- sum(x_subset[, "borrower_gender"] == 2 & 
                                 x_subset[, "msa"] == 1) / 
        sum(x_subset[, "msa"] == 1)
    # Find the proportion of female borrowers in rural areas
    prop_female_rural <- sum(x_subset[, "borrower_gender"] == 2 & 
                                 x_subset[, "msa"] == 0) / 
        sum(x_subset[, "msa"] == 0)
    
    c(prop_female_urban, prop_female_rural)
}

# Find the proportion of female borrowers in 2015
___(___, ___)

Code bearbeiten und ausführen