问题描述
我正在使用 tidycensus 为该国所有人口普查区提取三年不同年份（2000 年、ACS 2009-2013、ACS 2015-2019 年）的论文数据。
基于 kyle walker 的 tutorial，我已经能够使用 map_df 函数来创建下面的调用，这很有效。结果是一个数据框，它为该国家的每个人口普查区提取向量中列出的所有变量的数据：
# get vector of state fips codes for US
us <- unique(fips_codes$state)[1:51]
# select my variables
my_vars19 <- c(pop = "B01003_001",racetot = "B03002_001",nhtot = "B03002_002",nhwht = "B02001_002",nhblk = "B02001_003",nhnat = "B02001_004",nhasian = "B02001_005",nhpac = "B02001_006",nhother = "B02001_007",nhtwo = "B02001_008",hisp = "B03003_003",male = "B01001_002",female = "B01001_026")
# function call to obtain tracts for US
acs2019 <- map_df(us,function(x) {
get_acs(geography = "tract",variables = my_vars19,state = x)
})
glimpse(acs2019)
Rows: 949,728
Columns: 5
$ GEOID <chr> "01001020100","01001020100","…
$ NAME <chr> "Census Tract 201,Autauga County,Alabama","Census Tract 201,"…
$ variable <chr> "male","female","pop","nhwht","nhblk","nhnat","nhasian","nhpac","nhother","nhtwo",…
$ estimate <dbl> 907,1086,1993,1685,152,2,154,1967,26,1058,901,1959,759,1117,…
$ moe <dbl> 118,178,225,202,78,12,5,120,226,36,137,133,113,180,…
不过，这只是一个练习电话。我需要为每年的分析（例如 2000、2009-2013 和 2015-2019）提取接近 150 到 200 个变量。我担心为这么多州和人口普查区提取这么多变量会对 API 造成很大负担。另外，我认为您可以一次拉取的变量数量是有限制的。
我可以按变量类型对调用进行分组，但我担心将调用分组会变得笨拙。而且我还需要将它们组合在一起。我想知道标准做法是使用 tidycensus 创建大型数据集吗？
人们通常会中断通话还是只是打电话给桌子？或者是否有比我概述的更有效的系统。我知道大多数人通常使用 tidycensus 来提取少量变量，但是当他们需要提取很多变量时他们会怎么做？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）