Valeur des maisons en Californie

Les grandes villes de Californie font souvent la manchette en raison de la flambée des prix des logements. Comment la valeur médiane des maisons a-t‑elle évolué au cours des dernières années ? Dans cet exercice, vous utiliserez une boucle pour demander la variable B25077_001E sur sept années de l'ACS et tracer l'évolution de la valeur dans le temps.

Le dictionnaire predicates a été créé et est affiché dans la console. Remarquez que state:06 définit le GEOID pour la Californie. pandas et seaborn ont été importés avec les alias habituels. HOST et dataset ont été définis, et dfs est une liste vide initialisée pour recueillir les DataFrames demandés.

Cette activité fait partie du cours

Analyser les données du recensement des États-Unis avec Python

Voir le cours

Instructions de l’exercice

Construire un objet range avec des entiers de 2011 à 2017
Créer une colonne nommée "year", avec pour valeur la valeur courante de la variable year
Définir le type de données de la colonne median_home_value à int
Créer un tracé en ligne des valeurs des maisons. Définir le premier paramètre (x) à "year", et le deuxième paramètre (y) à "median_home_value"

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()

Modifier et exécuter le code