对比多个年份的 ACS 估计值
American Community Survey 每年都会更新，这使研究者可以使用 ACS 数据集来研究随时间变化的人口特征。
在本练习中，您将学习如何使用 tidyverse 的 map_df() 函数处理多年份的 ACS 数据。map_df() 帮助分析人员遍历一系列数值，为每个数值执行同一过程，然后将结果合并为一个数据框。您将以这种方式将 map_df() 应用于 ACS 数据：遍历年份向量，为每一年获取 ACS 数据，并合并结果。这样，您就可以查看 ACS 估计值如何随时间变化。
本练习是课程的一部分
在 R 中分析美国人口普查数据
练习说明
- 使用 tidyverse 的
map_df()函数，指定遍历年份向量2012:2016。 - 将 survey 指定为
"acs1"，以获取 1 年期 ACS 的数据。 - 使用
mutate()函数计算一个新列，在输出数据框中存储调查年份。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)