Låntagarregion per år

I den här övningen tabellerar du data efter år och variabeln msa (stad kontra landsbygd).

Den här övningen är en del av kursen

Skalbar databehandling i R

Visa kurs

Övningsinstruktioner

Alla nödvändiga paket är laddade i din arbetsmiljö.

Skapa en funktion make_table() som läser in ett segment som en matris och sedan tabellerar det efter låntagarregion (msa) och år.
Använd chunk.apply() för att importera data från filanslutningen vi har skapat åt dig.
Kör resten av koden för att visualisera förändringarna i beviljade bolån per region.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Open a connection to the file and skip the header
fc <- file("mortgage-sample.csv", "rb")
readLines(fc, n = 1)

# Create a function to read chunks
make_table <- function(chunk) {
    # Create a matrix
    m <- ___(___, sep = ",", type = "integer")
    colnames(m) <- mort_names
    # Create the output table
    ___(___, c(___, ___))
}

# Import data using chunk.apply
msa_year_table <- ___

# Close connection
close(fc)

# Convert to a data frame
df_msa <- as.data.frame(msa_year_table)

# Rename columns
df_msa$MSA <- c("rural", "city")

# Gather on all columns except Year
df_msa_long <- pivot_longer(df_msa, -MSA, names_to = "Year", values_to = "Count")

# Plot 
ggplot(df_msa_long, aes(x = Year, y = Count, group = MSA, color = MSA)) + 
    geom_line()

Redigera och kör kod