Jämföra ACS-skattningar för flera år

American Community Survey uppdateras varje år, vilket gör det möjligt för forskare att använda ACS-datamängder för att studera demografiska förändringar över tid.

I den här övningen lär du dig hur man använder tidyverse-funktionen map_df() för att arbeta med ACS-data över flera år. map_df() hjälper analytiker att iterera genom en sekvens av värden, utföra en beräkning för vart och ett av dessa värden och sedan kombinera resultaten i en enda dataram. Du kommer att använda map_df() på det här sättet med ACS-data: du itererar genom en vektor av år, hämtar ACS-data för varje år och kombinerar resultaten. På så sätt kan du se hur ACS-skattningarna har förändrats över tid.

Den här övningen är en del av kursen

Analysera folkräkningsdata från USA i R

Visa kurs

Övningsinstruktioner

Använd tidyverse-funktionen map_df() för att ange att du ska iterera genom vektorn av år 2012:2016.
Ange undersökningen som "acs1" för att hämta data från 1-års-ACS.
Använd funktionen mutate() för att beräkna en ny kolumn som lagrar undersökningsåret i din utdataram.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)

Redigera och kör kod