In [1]:

    

# Import librerie per analisi dati (Pandas) e dati Istat
import os
import pandas as pd
import numpy as np
from IPython.core.display import HTML
import istat
import jsonstat

# cache dir per velocizzare analisi in locale
cache_dir = os.path.abspath(os.path.join("..", "tmp/od_la_grande_fuga", "istat_cached"))
istat.cache_dir(cache_dir)
istat.lang(0)  # lingua italiano
print("cache_dir is '{}'".format(istat.cache_dir()))


    

    




cache_dir is '/Users/cesar/Documents/opendata/tmp/od_la_grande_fuga/istat_cached'

In [2]:

    

# Directory
dir_df = os.path.join(os.path.abspath(''),'stg')


    

In [3]:

    

# AREA -> Opinioni dei cittadini e soddisfazione per la vita: 15
istat_area_sodd = istat.area(15)


    

In [4]:

    

istat_area_sodd.datasets()


    

    
Out[4]:




cod
name
dim
DCCV_AVQ_FAMIGLIE
Aspetti della vita quotidiana - Famiglie
5
DCCV_AVQ_PERSONE
Aspetti della vita quotidiana
8
DCCV_AVQ_PERSONE1
Aspetti della vita quotidiana - Persone
8

In [5]:

    

# DATASET -> Soddisfazione per la vita
istat_dataset_soddisfazione = istat_area_sodd.dataset('DCCV_AVQ_PERSONE')
istat_dataset_soddisfazione


    

    
Out[5]:




DCCV_AVQ_PERSONE(8):Aspetti della vita quotidiana
nr
name
nr. values
values (first 3 values)
0
Territorio
36
1:'Italia', 3:'Nord', 4:'Nord-ovest' ...
1
Tipo dato
782
2:'persone di 18 anni e più che si sono recate all'anagrafe', 14:'persone di 18 anni e più che si sono recate alla ASL', 26:'persone di 18 anni e più  che si sono recate all'ufficio postale' ...
2
Misura
5
1:'valori in migliaia', 2:'per 100 persone con le stesse caratteristiche', 3:'numero medio' ...
3
Sesso
3
1:'maschi', 2:'femmine', 3:'totale' ...
4
Classe di età
44
11:'6 anni e più', 13:'6-14 anni', 26:'15 anni e più' ...
5
Titolo di studio
5
3:'licenza di scuola elementare, nessun titolo di studio', 4:'licenza di scuola media', 7:'diploma' ...
6
Condizione e posizione nella professione
13
1:'occupato', 2:'dirigenti, imprenditori, liberi professionisti', 3:'direttivo, quadro, impiegato' ...
7
Tempo e frequenza
16
1920:'2001', 1939:'2002', 1958:'2003' ...

In [6]:

    

# istat_dataset_soddisfazione.dimensions()


    

In [7]:

    

spec = {
    #"Territorio":1,                 
    "Tipo dato":1079,
    "Misura":3, 
    "Sesso":3,
    "Classe di età":259,
    "Titolo di studio":12,
    "Condizione e posizione nella professione":12,
    "Tempo e frequenza":2186
}

collection = istat_dataset_soddisfazione.getvalues(spec)


    

In [8]:

    

ds = collection.dataset(0)
ds


    

    
Out[8]:




name:   'IDITTER107'label:  'Aspetti della vita quotidiana per Territorio - media - numero medio - 14 anni e più - 2015'size: 36
pos
id
label
size
role
0
IDITTER107
Territorio
36

In [9]:

    

df = ds.to_data_frame('Territorio')
df.reset_index(level=0, inplace=True)


    

In [10]:

    

df=df[(df['Territorio']=='Italia') |
        (df['Territorio']=='Nord') |
        (df['Territorio']=='Sud')]


    

In [11]:

    

df.head()


    

    
Out[11]:






  

    

      

      
Territorio
      
Value
    
  
  

    

      
0
      
Italia
      
6.8
    
    

      
1
      
Nord
      
6.9
    
    

      
20
      
Sud
      
6.5
    
  

In [12]:

    

df_filename = r'df_soddisfazione.pkl'
df_fullpath = os.path.join(dir_df, df_filename)
df.to_pickle(df_fullpath)


    

In [13]:

    

df_g1_filename = r'df_g1.pkl'
df_g1_fullpath = os.path.join(dir_df, df_g1_filename)
df_g1 = pd.read_pickle(df_g1_fullpath)


    

In [14]:

    

result = pd.merge(df_g1, df, on='Territorio')


    

In [17]:

    

result.drop(['Speranza di vita alla nascita'], axis=1, inplace=True)
result.rename(columns={'Value': 'Gradio di soddisfazione per la vita'}, inplace=True)


    

In [18]:

    

result


    

    
Out[18]:






  

    

      

      
Territorio
      
Popolazione residente
      
Reddito pro capite
      
Gradio di soddisfazione per la vita
    
  
  

    

      
0
      
Italia
      
60795612
      
27044.75
      
6.8
    
    

      
1
      
Nord
      
27799803
      
32964.21
      
6.9
    
    

      
2
      
Sud
      
14149806
      
17867.38
      
6.5
    
  

In [19]:

    

result_filename = r'df_g2.pkl'
result_fullpath = os.path.join(dir_df, result_filename)
result.to_pickle(result_fullpath)