Tỷ lệ người vay là nữ
Trong bài trước, bạn đã phân tầng theo năm và chủng tộc (hoặc sắc tộc). Tuy nhiên, còn nhiều cách khác để bạn chia nhỏ dữ liệu. Ở bài này và bài kế tiếp, bạn sẽ tìm tỷ lệ người vay là nữ ở khu vực đô thị và nông thôn theo từng năm. Bài này hơi khác một chút vì thay vì chỉ đếm số lượng, bạn cần lấy tỷ lệ người vay là nữ có điều kiện theo năm.
Trong bài này, chúng tôi đã định nghĩa sẵn một hàm để tìm tỷ lệ người vay là nữ cho khu vực đô thị và nông thôn: female_residence_prop().
Bài tập này là một phần của khóa học
Xử lý dữ liệu có khả năng mở rộng trong R
Hướng dẫn bài tập
- Gọi
female_residence_prop()để tìm tỷ lệ người vay là nữ ở khu vực đô thị và nông thôn cho năm 2015:- Đối số thứ nhất là dữ liệu,
mort. - Đối số thứ hai là một vector logic tương ứng với các số dòng của năm 2015.
- Đối số thứ nhất là dữ liệu,
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
female_residence_prop <- function(x, rows) {
x_subset <- x[rows, ]
# Find the proportion of female borrowers in urban areas
prop_female_urban <- sum(x_subset[, "borrower_gender"] == 2 &
x_subset[, "msa"] == 1) /
sum(x_subset[, "msa"] == 1)
# Find the proportion of female borrowers in rural areas
prop_female_rural <- sum(x_subset[, "borrower_gender"] == 2 &
x_subset[, "msa"] == 0) /
sum(x_subset[, "msa"] == 0)
c(prop_female_urban, prop_female_rural)
}
# Find the proportion of female borrowers in 2015
___(___, ___)