Получить население по штату 12 и старше, используя данные переписи?

Question

Можно ли получить население США в возрасте от 12 лет? Я пытаюсь использовать tidycensus пакет, но я не уверен, как ограничить количество, чтобы добавить ограничение по возрасту.

library(tidycensus)
library(tidyverse)
census_api_key("MYKEY")
pop90 <- get_acs(geography = "state", variables = "B01003_001", year = 1990)

Answer 1

"Вселенная" для этой конкретной переменной"B01003-001" ВСЕГО НАСЕЛЕНИЯ, оно не разбивается дальше, поэтому вы не можете получить возраст 12+ от "B01003-001"только население всего штата, округа или уезда, из которого вы тянете в то время.

Однако вы можете извлекать и объединять фрейм данных для нужных вам таблиц, используя B01001 и суффиксы _001 через _049 вывести население по возрасту и полу, а затем сложить их.

ИЛИ ЖЕ

Вы можете вытащить все население, как у вас выше, и вычесть возраст (как мужчина, так и женщина, НЕ в вашей целевой группе, что намного меньше работы, учитывая разбивку возрастных групп для детей по сравнению с остальной жизнью)

Одна вещь, с которой вам будет трудно получить 12+, потому что самые высокие группы, которые вы хотите исключить, это 10-14... что означает, что вы не можете выбрать меньше 12

Общий возраст по полу для всех рас

    B01001_001                     Total: 
    B01001_002                      Male: 
    B01001_003        Male: Under 5 years 
    B01001_004         Male: 5 to 9 years 
    B01001_005       Male: 10 to 14 years 
    B01001_006       Male: 15 to 17 years 
    B01001_007      Male: 18 and 19 years 
    B01001_008             Male: 20 years 
    B01001_009             Male: 21 years 
    B01001_010       Male: 22 to 24 years 
    B01001_011       Male: 25 to 29 years 
    B01001_012       Male: 30 to 34 years 
    B01001_013       Male: 35 to 39 years 
    B01001_014       Male: 40 to 44 years 
    B01001_015       Male: 45 to 49 years 
    B01001_016       Male: 50 to 54 years 
    B01001_017       Male: 55 to 59 years 
    B01001_018      Male: 60 and 61 years 
    B01001_019       Male: 62 to 64 years 
    B01001_020      Male: 65 and 66 years 
    B01001_021       Male: 67 to 69 years 
    B01001_022       Male: 70 to 74 years 
    B01001_023       Male: 75 to 79 years 
    B01001_024       Male: 80 to 84 years 
    B01001_025    Male: 85 years and over 
    B01001_026                    Female: 
    B01001_027      Female: Under 5 years 
    B01001_028       Female: 5 to 9 years 
    B01001_029     Female: 10 to 14 years 
    B01001_030     Female: 15 to 17 years 
    B01001_031    Female: 18 and 19 years 
    B01001_032           Female: 20 years 
    B01001_033           Female: 21 years 
    B01001_034     Female: 22 to 24 years 
    B01001_035     Female: 25 to 29 years 
    B01001_036     Female: 30 to 34 years 
    B01001_037     Female: 35 to 39 years 
    B01001_038     Female: 40 to 44 years 
    B01001_039     Female: 45 to 49 years 
    B01001_040     Female: 50 to 54 years 
    B01001_041     Female: 55 to 59 years 
    B01001_042    Female: 60 and 61 years 
    B01001_044    Female: 65 and 66 years 
    B01001_045     Female: 67 to 69 years 
    B01001_046     Female: 70 to 74 years 
    B01001_047     Female: 75 to 79 years 
    B01001_048     Female: 80 to 84 years 
    B01001_049  Female: 85 years and over

Таким образом, вам необходимо каким-то образом скорректировать свою модель или получить данные PUMS и собрать их по своему вкусу.