Proportion d'emprunteuses

Dans le dernier exercice, vous avez stratifié par année et par race (ou origine ethnique). Or, il existe bien d'autres façons de partitionner les données. Dans cet exercice et le prochain, vous calculerez la proportion d'emprunteuses en milieu urbain et rural, par année. Cet exercice est un peu différent du précédent : plutôt que de simplement compter des occurrences, vous voulez obtenir la proportion d'emprunteuses conditionnelle à l'année.

Dans cet exercice, nous avons défini une fonction qui calcule la proportion d'emprunteuses pour les milieux urbain et rural : female_residence_prop().

Cette activité fait partie du cours

Traitement de données évolutif en R

Voir le cours

Instructions de l’exercice

Appelez female_residence_prop() pour obtenir la proportion d'emprunteuses en milieux urbain et rural pour 2015 :
- Le premier argument est les données, mort.
- Le deuxième argument est un vecteur logique correspondant aux numéros de lignes pour 2015.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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
___(___, ___)

Modifier et exécuter le code