ACS-schattingen voor meerdere jaren vergelijken
De American Community Survey wordt elk jaar bijgewerkt, waardoor onderzoekers ACS-gegevenssets kunnen gebruiken om demografische veranderingen in de tijd te bestuderen.
In deze oefening leer je hoe je de tidyverse-functie map_df() gebruikt om met meerjarige ACS-gegevens te werken. map_df() helpt analisten door een reeks waarden te itereren, voor elk van die waarden een bewerking uit te voeren en de resultaten vervolgens te combineren in één data frame. Je gebruikt map_df() op deze manier met ACS-gegevens: je doorloopt een vector met jaren, haalt voor elk jaar ACS-gegevens op en voegt de resultaten samen. Zo kun je zien hoe ACS-schattingen in de loop der tijd zijn veranderd.
Deze oefening maakt deel uit van de cursus
US Census-gegevens analyseren in R
Oefeninstructies
- Gebruik de tidyverse-functie
map_df()om aan te geven dat je door de vector met jaren2012:2016gaat itereren. - Stel de survey in op
"acs1"om gegevens uit de 1-jaars ACS op te halen. - Gebruik de functie
mutate()om een nieuwe kolom te berekenen waarin het surveyjaar in je output-data frame wordt opgeslagen.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Map through ACS1 estimates to see how they change through the years
mi_cities <- ___(2012:2016, function(x) {
get_acs(geography = "place",
variables = c(totalpop = "B01003_001"),
state = "MI",
survey = ___,
year = x) %>%
___(year = x)
})
mi_cities %>% arrange(NAME, year)