Woningwaarden in Californië

De grote steden van Californië staan in het nieuws om de snel stijgende huizenprijzen. Hoe is de mediane woningwaarde in de afgelopen jaren veranderd? In deze oefening gebruik je een lus om variabele B25077_001E op te vragen voor zeven ACS-jaren en de waarde in de tijd te plotten.

Het woordenboek predicates is aangemaakt en wordt op de console afgedrukt. Let op dat state:06 de GEOID voor Californië instelt. pandas en seaborn zijn met de gebruikelijke aliassen geïmporteerd. HOST en dataset zijn gedefinieerd en dfs is een lege lijst die is geïnitialiseerd als verzamelaar voor de opgevraagde DataFrames.

Deze oefening maakt deel uit van de cursus

US Census-gegevens analyseren in Python

Cursus bekijken

Oefeninstructies

Maak een range-object met gehele getallen van 2011 tot en met 2017
Maak een kolom met de naam "year", met de waarde gelijk aan de huidige waarde van de variabele year
Stel het gegevenstype van de kolom median_home_value in op int
Maak een lijnplot van woningwaarden. Zet de eerste parameter (x) op "year", en de tweede parameter (y) op "median_home_value"

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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()

Code bewerken en uitvoeren