Valori delle case in California
Le principali città della California sono finite sulle cronache per i prezzi delle abitazioni alle stelle. Come è cambiato il valore mediano delle case negli ultimi anni? In questo esercizio userai un ciclo per richiedere la variabile B25077_001E da sette anni dell'ACS e tracciare il valore nel tempo.
Il dizionario predicates è stato creato ed è stampato in console. Nota che state:06 imposta il GEOID per la California. pandas e seaborn sono stati importati con i soliti alias. HOST e dataset sono stati definiti e dfs è una lista vuota inizializzata come contenitore per i DataFrame richiesti.
Questo esercizio fa parte del corso
Analizzare i dati del Censimento USA con Python
Istruzioni dell'esercizio
- Costruisci un oggetto
rangecon interi dal 2011 al 2017 - Crea una colonna chiamata
"year", impostando il suo valore pari al valore corrente della variabileyear - Imposta il tipo di dato della colonna
median_home_valueaint - Crea un lineplot dei valori delle case. Imposta il primo parametro (
x) a"year", il secondo parametro (y) a"median_home_value"
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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()