Valeur des logements en Californie

Les grandes villes de Californie font la une avec l’explosion des prix de l’immobilier. Comment la valeur médiane des logements a-t-elle évolué ces dernières années ? Dans cet exercice, vous utiliserez une boucle pour récupérer la variable B25077_001E sur sept années de l’ACS et tracer son évolution dans le temps.

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

Cet exercice fait partie du cours

Analyzing US Census Data in Python

Afficher le cours

Instructions

Construisez un objet range avec les entiers de 2011 à 2017
Créez une colonne nommée "year", dont la valeur est définie par la valeur courante de la variable year
Définissez le type de données de la colonne median_home_value sur int
Créez un graphique en courbes des valeurs des logements. Définissez le premier paramètre (x) sur "year", et le second paramètre (y) sur "median_home_value"

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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