Стоимость жилья в Калифорнии

Крупные города Калифорнии не сходят с новостных полос из-за стремительного роста цен на жильё. Как изменялась медианная стоимость дома за последние несколько лет? В этом упражнении вы используете цикл, чтобы запросить переменную B25077_001E за семь лет из набора данных ACS, а затем построите график изменения стоимости во времени.

Словарь predicates уже создан и выведен в консоль. Обратите внимание: state:06 задаёт GEOID для Калифорнии. Библиотеки pandas и seaborn импортированы со стандартными псевдонимами. Переменные HOST и dataset определены, а dfs — пустой список, инициализированный как накопитель для запрошенных DataFrame.

Это упражнение является частью курса

Анализ данных переписи населения США в Python

Посмотреть курс

Инструкции к упражнению

Создайте объект range с целыми числами от 2011 до 2017
Создайте столбец с именем "year", присвоив ему текущее значение переменной year
Установите тип данных столбца median_home_value как int
Постройте линейный график стоимости жилья: укажите "year" в качестве первого параметра (x), а "median_home_value" — в качестве второго параметра (y)

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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()

Редактировать и запускать код