var_to_be_simulated = [ # Variable de déciles par uc originelle de l'enquête 'decuc', 'tva_taux_plein', 'tva_taux_intermediaire', 'tva_taux_reduit', 'tva_taux_super_reduit', 'tva_total', 'niveau_vie_decile', 'rev_disponible', 'pondmen', ] # Constition d'une base de données agrégée par décile (= collapse en stata) for year in [2000, 2005, 2011]: df = simulate_df(var_to_be_simulated = var_to_be_simulated, year = year) if year == 2011: df.niveau_vie_decile[df.decuc == 10] = 10 varlist = ['rev_disponible', 'tva_taux_super_reduit', 'tva_taux_reduit', 'tva_taux_plein', 'tva_taux_intermediaire' ] Wconcat = df_weighted_average_grouped(dataframe = df, groupe = 'niveau_vie_decile', varlist = varlist) # Example Wconcat['part_tva_tx_super_reduit'] = Wconcat['tva_taux_super_reduit'] / Wconcat['rev_disponible'] Wconcat['part_tva_tx_reduit'] = Wconcat['tva_taux_reduit'] / Wconcat['rev_disponible'] Wconcat['part_tva_tx_intermediaire'] = Wconcat['tva_taux_intermediaire'] / Wconcat['rev_disponible'] Wconcat['part_tva_tx_plein'] = Wconcat['tva_taux_plein'] / Wconcat['rev_disponible'] df_to_graph = Wconcat[['part_tva_tx_plein', 'part_tva_tx_super_reduit', 'part_tva_tx_reduit', 'part_tva_tx_intermediaire']]
list_coicop12.append('coicop12_{}'.format(coicop12_index)) # Liste des variables que l'on veut simuler var_to_be_simulated = [ 'pondmen', 'decuc', 'niveau_vie_decile', 'somme_coicop12', 'rev_disponible' ] # Merge des deux listes var_to_be_simulated += list_coicop12 p = dict() df_to_graph = None for year in [2000, 2005, 2011]: simulation_data_frame = simulate_df(var_to_be_simulated = var_to_be_simulated, year = year) annee = simulation_data_frame.apply(lambda row: year, axis = 1) simulation_data_frame["year"] = annee if year == 2011: simulation_data_frame.niveau_vie_decile[simulation_data_frame.decuc == 10] = 10 var_to_concat = list_coicop12 + ['rev_disponible', 'somme_coicop12'] aggregates_data_frame = df_weighted_average_grouped(dataframe = simulation_data_frame, groupe = 'year', varlist = var_to_concat) list_part_coicop12 = [] aggregates_data_frame['part_coicop12_4'] = \ aggregates_data_frame['coicop12_4'] / aggregates_data_frame['rev_disponible'] list_part_coicop12.append('part_coicop12_4') appendable = aggregates_data_frame[list_part_coicop12] if df_to_graph is not None: