Wartości nieruchomości w Kalifornii

Ceny nieruchomości w największych miastach Kalifornii od dłuższego czasu biją rekordy. Jak zmieniała się mediana wartości domów na przestrzeni ostatnich kilku lat? W tym ćwiczeniu użyjesz pętli, aby pobrać zmienną B25077_001E z siedmiu edycji ACS i zwizualizować jej zmiany w czasie.

Słownik predicates został już utworzony i wyświetlony w konsoli. Zwróć uwagę, że state:06 ustawia GEOID dla Kalifornii. Biblioteki pandas i seaborn zostały zaimportowane pod standardowymi aliasami. Zdefiniowano HOST i dataset, a dfs to pusta lista zainicjalizowana jako kolektor dla pobieranych obiektów DataFrame.

To ćwiczenie jest częścią kursu

Analiza danych spisowych USA w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz obiekt range z liczbami całkowitymi od 2011 do 2017
Utwórz kolumnę o nazwie "year", przypisując jej bieżącą wartość zmiennej year
Ustaw typ danych kolumny median_home_value na int
Utwórz wykres liniowy wartości nieruchomości: ustaw pierwszy parametr (x) na "year", a drugi (y) na "median_home_value"

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()

Edytuj i uruchom kod