notebook.community

Edit and run

G5 - PIL pro capite, reddito personale e spesa per consumi





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



    


















    
Out[1]:








0

















In [2]:



    


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



    











In [3]:



    


#istat.areas()
istat_area_redditi = istat.area(17)



    











In [4]:



    


istat_area_redditi.datasets()



    


















    
Out[4]:







codnamedim
DCCN_AGGREGBRANCANAggregati dei conti nazionali annuali per branca di attività economica (NACE Rev.1.1) (milioni di euro)11
DCCN_AGGREGBRANCANREV2Aggregati dei conti nazionali annuali per branca di attività economica (NACE Rev.2) (milioni di euro) - edizioni precedenti ottobre 201410
DCCN_AGGREGBRANCAQAggregati dei conti nazionali trimestrali per branca di attività economica (NACE Rev.1.1) (milioni di euro)11
DCCN_AGGREGBRANCAQREV2Aggregati dei conti nazionali trimestrali per branca di attività economica (NACE Rev.2) (milioni di euro) - edizioni precedenti ottobre 201410
DCCN_AGGREGBRANCATAggregati dei conti territoriali per branca di attività economica (NACE Rev.1.1) (milioni di euro)11
DCCN_AGGREGBRANCATREV2Aggregati dei conti territoriali per branca di attività economica (NACE Rev.2) (milioni di euro) - edizioni precedenti ottobre 201410
DCCN_AGGRPILPrincipali aggregati del Prodotto interno lordo - dati nazionali annuali (milioni di euro) - edizioni precedenti ottobre 20147
DCCN_ANAProduzione e valore aggiunto, Redditi da lavoro, Imposte e contributi alla produzione, Spesa per consumi finali famiglie, Investimenti fissi lordi, Stock di capitale e ammortamenti, Valori pro capite10
DCCN_CAPITALNInvestimenti fissi lordi, stock di capitale e ammortamenti per branca proprietaria (Nace Rev 1.1) - dati nazionali annuali (milioni di euro)10
DCCN_CAPITALNREV2Investimenti fissi lordi, stock di capitale e ammortamenti per branca proprietaria (Nace Rev. 2) - dati nazionali annuali (milioni di euro) - edizioni precedenti ottobre 20149
DCCN_CAPITALTInvestimenti fissi lordi per branca proprietaria (Nace Rev 1.1) - dati territoriali (milioni di euro)10
DCCN_CAPITALTREV2Investimenti fissi lordi per branca proprietaria (Nace Rev. 2) - dati territoriali (milioni di euro) - edizioni precedenti ottobre 20149
DCCN_CONSFAMNSpesa per consumi finali delle famiglie - dati nazionali annuali (milioni di euro) - dati nazionali annuali (milioni di euro) - edizioni precedenti ottobre 201410
DCCN_CONSFAMQSpesa per consumi finali delle famiglie - dati nazionali trimestrali (milioni di euro) - edizioni precedenti ottobre 201410
DCCN_CONSFAMTSpesa per consumi finali delle famiglie - dati territoriali (milioni di euro) - edizioni precedenti ottobre 201410
DCCN_CONSPATSpesa per consumi finali della pubblica amministrazione (milioni di euro) - edizioni precedenti ottobre 20149
DCCN_CONTIEMATMEmissioni atmosferiche NAMEA (Nace Rev.1.1)10
DCCN_CONTIEMATMREV2Emissioni atmosferiche NAMEA (Nace Rev.2)10
DCCN_CONTRIBQContributi alla crescita del PIL (punti percentuali) - dati nazionali trimestrali - edizioni precedenti ottobre 20148
DCCN_COSTMARGQCosti e margini per branca di attività economica (NACE Rev.1.1) numeri indice 2000=100 - dati nazionali trimestrali9
DCCN_COSTMARGQREV2Costi e margini per branca di attività economica (NACE Rev.2) - edizioni precedenti ottobre 20148
DCCN_FLUMATConti dei flussi di materia6
DCCN_FPAConto annuale per sottosettore9
DCCN_FPQConto trimestrale9
DCCN_IMPAMB1Gettito delle imposte ambientali  11
DCCN_INVESTINInvestimenti fissi lordi (P51) - dati nazionali annuali (milioni di euro) - edizioni precedenti ottobre 201410
DCCN_INVESTIQInvestimenti fissi lordi (P51) - dati nazionali trimestrali (milioni di euro) - edizioni precedenti ottobre 201410
DCCN_ISTITUZ_ANASequenza dei conti e stock di attività non finanziarie, per settore istituzionale9
DCCN_ISTITUZ_QNASequenza dei conti trimestrali per settore istituzionale9
DCCN_ISTITUZ_TNAReddito disponibile delle famiglie nelle regioni italiane9
DCCN_OCCNSEC2010Occupazione per branca di attività economica  (NACE Rev. 2) - dati nazionali annuali9
DCCN_OCCQSEC2010Occupazione per branca di attività economica (NACE Rev.2) - dati nazionali trimestrali9
DCCN_OCCSISEC2010Occupazione per branca di attività economica (NACE Rev. 2)9
DCCN_OCCTSEC2010Occupazione per branca di attività economica  (NACE Rev. 2) - dati territoriali annuali9
DCCN_OCCUPIREV2Occupazione per branca di attività economica (NACE Rev.2) - edizioni precedenti ottobre 201410
DCCN_OCCUPNREV2Occupazione per branca di attività economica (NACE Rev. 2) -  dati nazionali annuali - edizioni precedenti ottobre 201410
DCCN_OCCUPQOccupazione per branca di attività economica (NACE Rev.1.1) - dati nazionali trimestrali (migliaia)10
DCCN_OCCUPQREV2Occupazione per branca di attività economica (NACE Rev. 2) - dati nazionali trimestrali - edizioni precedenti ottobre 201410
DCCN_OCCUPTOccupazione per branca di attività economica (NACE Rev.1.1) - dati territoriali (migliaia)10
DCCN_OCCUPTREV2Occupazione per branca di attività economica (NACE Rev. 2) -  dati territoriali annuali - edizioni precedenti ottobre 201410
DCCN_OTEPPAUscite annuali per funzione e sottosettore9
DCCN_PILNPrincipali aggregati del Prodotto interno lordo (milioni di euro)6
DCCN_PILPRODQProdotto interno lordo lato produzione - dati nazionali trimestrali (milioni di euro) - edizioni precedenti ottobre 20149
DCCN_PILPRODTProdotto interno lordo lato produzione - dati territoriali (milioni di euro) - edizioni precedenti ottobre 20149
DCCN_PILQPrincipali aggregati del Prodotto interno lordo (milioni di euro)6
DCCN_PILTProdotto interno lordo lato produzione (milioni di euro)6
DCCN_PRODENERConti dell'impiego di energia9
DCCN_PRODUTTIVITAMisure di produttività7
DCCN_PROTSOCConti della Protezione sociale (milioni di euro)7
DCCN_QNAValore aggiunto, Redditi da lavoro, Investimenti fissi lordi, Spesa per consumi finali famiglie, Costi e margini 10
DCCN_SEQCONTIASASequenza dei conti per settore istituzionale (milioni di euro) - edizioni precedenti ottobre 20158
DCCN_SEQCONTIASQSequenza dei conti trimestrali per settore istituzionale (milioni di euro) - edizioni precedenti ottobre 20149
DCCN_SEQCONTIRFTReddito disponibile delle famiglie nelle regioni italiane (milioni di euro) – edizioni precedenti novembre 20157
DCCN_SEQZCONTINSequenza dei conti - dati nazionali annuali (milioni di euro) - edizioni precedenti ottobre 20148
DCCN_SEQZCONTIQConto economico delle risorse e degli impieghi - dati nazionali trimestrali (milioni di euro)- edizioni precedenti ottobre 20148
DCCN_SEQZCONTITSequenza dei conti - dati territoriali (milioni di euro) - edizioni precedenti ottobre 20148
DCCN_SQCNSequenza dei conti  (milioni di euro)6
DCCN_SQCQConto economico delle risorse e degli impieghi  e contributi alla crescita del Pil6
DCCN_SQCTSequenza dei conti (milioni di euro)6
DCCN_TNAValore aggiunto, Redditi da lavoro, Spesa per consumi finali (famiglie e PA), Investimenti fissi lordi, Valori pro capite10
DCCN_VAAGSIPETProduzione, consumi intermedi e valore aggiunto di agricoltura, silvicoltura e pesca (Nace rev.2)8
DCCN_VALPROCAPNValori pro capite - dati nazionali annuali (euro) - edizioni precedenti ottobre 20147
DCCN_VALPROCAPTValori pro capite - dati territoriali (euro) - edizioni precedenti ottobre 20147

















In [5]:



    


#istat_area_redditi.datasets()
ds_redditi_pro_capite = istat_area_redditi.dataset('DCCN_TNA')



    











In [6]:



    


#ds_redditi_pro_capite.dimension('Tipo aggregato')



    











In [7]:



    


#ds_redditi_pro_capite.dimensions()
ds_redditi_pro_capite



    


















    
Out[7]:






DCCN_TNA(10):Valore aggiunto, Redditi da lavoro, Spesa per consumi finali (famiglie e PA), Investimenti fissi lordi, Valori pro capite
nrnamenr. valuesvalues (first 3 values)
0Territorio1421:'Italia', 2:'Centro-nord', 3:'Nord' ...
1Tipo aggregato222:'spesa per consumi finali sul territorio economico delle famiglie residenti e non residenti', 5:'spesa per consumi finali delle amministrazioni pubbliche', 8:'investimenti fissi lordi, interni' ...
2Branca di attività (NACE Rev2)43113:'non applicabile', 114:'totale attività economiche', 116:'agricoltura, silvicoltura e pesca' ...
3Attività non finanziarie33:'totale capitale fisso per tipo di attività', 4:'totale costruzioni', 79:'non applicabile' ...
4Funzione di spesa (coicop/cofog)282:'alimentari e bevande non alcoliche', 3:'bevande alcoliche, tabacco,narcotici', 22:'vestiario e calzature' ...
5Valutazione39:'prezzi correnti', 10:'prezzi dell'anno precedente', 16:'valori concatenati con anno di riferimento 2010' ...
6Correzione11:'dati grezzi'
7Tipologia di prezzo21:'prezzi base', 7:'non applicabile'
8Edizione32183:'Ott-2014', 2203:'Nov-2015', 2223:'Dic-2016' ...
9Tempo e frequenza211806:'1995', 1825:'1996', 1844:'1997' ...

















In [8]:



    


# NORD
# Prodotto Interno Lordo ai prezzi di mercato per abitante -> OK
spec_n_pil = {
"Territorio":3,
"Tipo aggregato":27,
"Valutazione":9,
"Edizione":2223
}

# Reddito Disponibile per abitante -> OK
spec_n_red = {
"Territorio":3,
"Tipo aggregato":46,
"Valutazione":9,
"Edizione":2223
}

# Consumi finali interni per abitante -> OK
spec_n_cons = {
"Territorio":3,
"Tipo aggregato":34,
"Valutazione":9,
"Edizione":2223
}



    











In [9]:



    


# SUD
# Prodotto Interno Lordo ai prezzi di mercato per abitante

spec_s_pil = {
"Territorio":89,
"Tipo aggregato":27,
"Valutazione":9,
"Edizione":2223
}

# Reddito Disponibile per abitante -> OK
spec_s_red = {
"Territorio":89,
"Tipo aggregato":46,
"Valutazione":9,
"Edizione":2223
}

# Consumi finali interni per abitante -> OK
spec_s_cons = {
"Territorio":89,
"Tipo aggregato":34,
"Valutazione":9,
"Edizione":2223
}



    











In [10]:



    


def crea_df(ds,s,nome):
    c = ds.getvalues(s)
    ds = c.dataset(0)
    df = ds.to_data_frame('Tempo e frequenza')
    df.reset_index(level=0, inplace=True)
    df = df[['Tempo e frequenza', 'Value']]
    df.columns = ['Anno',nome]
    return df



    











In [11]:



    


df_pil_nord = crea_df(ds_redditi_pro_capite,spec_n_pil,'PIL pro capite')
df_red_nord = crea_df(ds_redditi_pro_capite,spec_n_red,'Reddito Disponibile pro capite')
df_con_nord = crea_df(ds_redditi_pro_capite,spec_n_cons,'Consumi pro capite')



    











In [12]:



    


df_n1 = pd.merge(df_pil_nord,df_red_nord, how='inner', on=['Anno', 'Anno'])
df_nord = pd.merge(df_n1,df_con_nord, how='inner', on=['Anno', 'Anno'])



    











In [13]:



    


df_nord



    


















    
Out[13]:










  
    

      
      Anno
      PIL pro capite
      Reddito Disponibile pro capite
      Consumi pro capite
    

  
  
    

      0
      1995
      21198.57
      15113.67
      14880.05
    

    

      1
      1996
      22497.36
      15883.94
      15731.73
    

    

      2
      1997
      23412.17
      16218.77
      16618.91
    

    

      3
      1998
      24325.36
      16308.00
      17382.68
    

    

      4
      1999
      25010.61
      16696.39
      18113.77
    

    

      5
      2000
      26462.49
      17283.39
      19183.36
    

    

      6
      2001
      27590.01
      18083.96
      19875.68
    

    

      7
      2002
      28397.77
      18660.34
      20391.52
    

    

      8
      2003
      29192.10
      19031.45
      21005.80
    

    

      9
      2004
      30057.68
      19675.75
      21656.16
    

    

      10
      2005
      30661.82
      20064.66
      22260.75
    

    

      11
      2006
      31624.40
      20745.47
      23059.24
    

    

      12
      2007
      32717.34
      21349.26
      23710.59
    

    

      13
      2008
      33043.99
      21540.20
      24139.36
    

    

      14
      2009
      31287.80
      20700.09
      23801.19
    

    

      15
      2010
      32144.41
      20615.18
      24310.17
    

    

      16
      2011
      32843.73
      21142.01
      24750.99
    

    

      17
      2012
      32157.74
      20477.63
      24413.62
    

    

      18
      2013
      32039.88
      20545.99
      24085.51
    

    

      19
      2014
      32495.92
      20619.42
      24130.75
    

  




















In [14]:



    


df_pil_sud = crea_df(ds_redditi_pro_capite,spec_s_pil,'PIL pro capite')
df_red_sud = crea_df(ds_redditi_pro_capite,spec_s_red,'Reddito Disponibile pro capite')
df_con_sud = crea_df(ds_redditi_pro_capite,spec_s_cons,'Consumi pro capite')



    











In [15]:



    


df_s1 = pd.merge(df_pil_sud,df_red_sud, how='inner', on=['Anno', 'Anno'])
df_sud = pd.merge(df_s1,df_con_sud, how='inner', on=['Anno', 'Anno'])



    











In [16]:



    


df_sud



    


















    
Out[16]:










  
    

      
      Anno
      PIL pro capite
      Reddito Disponibile pro capite
      Consumi pro capite
    

  
  
    

      0
      1995
      11480.85
      8757.74
      11127.85
    

    

      1
      1996
      12133.36
      9294.86
      11688.62
    

    

      2
      1997
      12749.77
      9545.17
      12275.37
    

    

      3
      1998
      13330.18
      9745.97
      12879.54
    

    

      4
      1999
      13901.87
      10047.99
      13367.10
    

    

      5
      2000
      14652.81
      10593.50
      14216.27
    

    

      6
      2001
      15363.46
      11145.01
      14846.27
    

    

      7
      2002
      15855.83
      11640.67
      15268.99
    

    

      8
      2003
      16201.75
      12010.11
      15895.10
    

    

      9
      2004
      16653.87
      12228.85
      16399.19
    

    

      10
      2005
      17070.09
      12513.35
      16985.82
    

    

      11
      2006
      17803.92
      12935.19
      17533.84
    

    

      12
      2007
      18351.60
      13303.27
      17923.23
    

    

      13
      2008
      18380.62
      13428.76
      18159.06
    

    

      14
      2009
      17842.47
      13161.39
      17797.28
    

    

      15
      2010
      17820.39
      13026.64
      18022.46
    

    

      16
      2011
      18026.10
      13310.39
      18159.41
    

    

      17
      2012
      17871.58
      12914.62
      17703.89
    

    

      18
      2013
      17543.85
      12870.14
      17511.11
    

    

      19
      2014
      17538.88
      12934.90
      17504.18
    

  




















In [17]:



    


df_filename = r'df_g5_nord.pkl'
df_fullpath = os.path.join(dir_df, df_filename)
df_nord.to_pickle(df_fullpath)

df_filename = r'df_g5_sud.pkl'
df_fullpath = os.path.join(dir_df, df_filename)
df_sud.to_pickle(df_fullpath)

Content source: Cesaaar/od_la_grande_fuga

Similar notebooks:

notebook.community | gallery | about