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:
