In [5]:

    

# 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

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


    

In [6]:

    

area_lavoro = istat.area('LAB')
area_lavoro.datasets()


    

    
Out[6]:




cod
name
dim
DCCV_COMPL1
Indicatori  complementari 
12
DCCV_DISOCCUPT1
 Disoccupati
9
DCCV_DISOCCUPTDE1
Disoccupati  - dati destagionalizzati
6
DCCV_DISOCCUPTMENS1
Disoccupati  - dati mensili
7
DCCV_FORZLV1
Forze di  lavoro
7
DCCV_FORZLVDE1
Forze di lavoro  - dati destagionalizzati
6
DCCV_FORZLVMENS1
Forze lavoro  - dati mensili
7
DCCV_INATTIV1
 Inattivi
10
DCCV_INATTIVDE1
Inattivi  - dati destagionalizzati
6
DCCV_INATTIVMENS1
Inattivi  - dati mensili
7
DCCV_NEET1
NEET  (giovani non occupati e non in istruzione e formazione)
10
DCCV_OCCUPATIMENS1
Occupati -  dati mensili
9
DCCV_OCCUPATIT1
Occupati  (migliaia)
14
DCCV_OCCUPATITDE1
Occupati -  dati destagionalizzati
9
DCCV_ORELAVMED
Occupati per ore settimanali lavorate e numero di ore settimanali lavorate procapite
12
DCCV_POPCOND1
Popolazione  per condizione professionale
10
DCCV_TAXATVT1
Tasso di  attività
7
DCCV_TAXATVTDE1
Tasso di attività  - dati destagionalizzati
6
DCCV_TAXATVTMENS1
Tasso di attività  - dati mensili
7
DCCV_TAXDISOCCU1
Tasso di  disoccupazione
8
DCCV_TAXDISOCCUDE1
Tasso di disoccupazione  - dati destagionalizzati
6
DCCV_TAXDISOCCUMENS1
Tasso di disoccupazione  - dati mensili
7
DCCV_TAXINATT1
Tasso di  inattività
7
DCCV_TAXINATTDE1
Tasso di inattività  - dati destagionalizzati
6
DCCV_TAXINATTMENS1
Tasso di inattività  - dati mensili
7
DCCV_TAXOCCU1
Tasso di  occupazione
7
DCCV_TAXOCCUDE1
Tasso di occupazione  - dati destagionalizzati
6
DCCV_TAXOCCUMENS1
Tasso di occupazione  - dati mensili
7
DCIS_RICSTAT
Ricostruzione statistica delle serie regionali di popolazione del periodo 1/1/2002-1/1/2014
6
DCSC_COSTLAVSTRUT_1
Imprese ed enti pubblici con almeno 10 dipendenti
6
DCSC_COSTLAVULAOROS_1
Indicatori - Imprese con dipendenti
5
DCSC_GI_COS
Imprese con almeno 500 dipendenti
6
DCSC_GI_OCC
Posizioni lavorative - Imprese con almeno 500 dipendenti
6
DCSC_GI_ORE
Ore lavorate - Imprese con almeno 500 dipendenti
6
DCSC_GI_RE
Retribuzioni lorde - Imprese con almeno 500 dipendenti
6
DCSC_ORE10_1
Ore lavorate - Imprese con almeno 10 dipendenti
5
DCSC_OROS_1
Posizioni lavorative alle dipendenze
5
DCSC_POSTIVAC_1
Posti vacanti - Imprese con almeno 10 dipendenti
5
DCSC_RETRATECO1
Retribuzioni contrattuali per settore economico (Ateco)
6
DCSC_RETRCASSCOMPPA
Retribuzioni contrattuali nella Pubblica amministrazione
7
DCSC_RETRCONTR1C
Retribuzioni contrattuali per tipo di contratto
6
DCSC_RETRCONTR1O
Orario contrattuale, ferie e altre riduzioni orarie - dipendenti a tempo pieno
6
DCSC_RETRCONTR1T
Tensione contrattuale
6
DCSC_RETRULAOROS_1
Retribuzioni lorde - Imprese con dipendenti
5

In [7]:

    

# Indicatori di lavoro - Tasso Disoccupazione
ds_lavoro = area_lavoro.dataset('DCCV_TAXDISOCCU1')
ds_lavoro.dimension('Territorio')


    

    
Out[7]:





'Classe di età' (26:'15 anni e più', 29:'15-24 anni', 39:'20-24 anni', 48:'25-34 anni', 66:'35-44 anni', 80:'45-54 anni', 95:'55-64 anni', 190:'15-64 anni', 193:'35 anni e più', 194:'35-54 anni', 196:'55 anni e più', 210:'15-29 anni', 309:'18-29 anni', 314:'15-74 anni')

In [8]:

    

# NORD
spec_n = {
    "Territorio":3,
    "Sesso":3,
    "Cittadinanza":3,
    "Durata disoccupazione":3,
    "Titolo di studio":12,
    "Classe di età":28
}

#SUD
spec_s = {
    "Territorio":88,
    "Sesso":3,
    "Cittadinanza":3,
    "Durata disoccupazione":3,
    "Titolo di studio":12,
    "Classe di età":28
}


    

In [9]:

    

def disoccupati(ds, spec,nome):
    c = ds.getvalues(spec)
    ds = c.dataset(0)
    df = ds.to_data_frame('Tempo e frequenza')
    df.reset_index(level=0, inplace=True)
    df.columns = ['Anno',nome]
    df = df[(df['Anno'].str.contains("T")==False)]
    return df


    

In [10]:

    

df_s = disoccupati(ds_lavoro, spec_s, 'Sud')
df_n = disoccupati(ds_lavoro, spec_n, 'Nord')


    

    




---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-10-154f2c3af5e0> in <module>()
----> 1 df_s = disoccupati(ds_lavoro, spec_s, 'Sud')
      2 df_n = disoccupati(ds_lavoro, spec_n, 'Nord')

<ipython-input-9-61e8934bce2e> in disoccupati(ds, spec, nome)
      1 def disoccupati(ds, spec,nome):
----> 2     c = ds.getvalues(spec)
      3     ds = c.dataset(0)
      4     df = ds.to_data_frame('Tempo e frequenza')
      5     df.reset_index(level=0, inplace=True)

/Users/cesar/anaconda/lib/python3.6/site-packages/istat/istat_dataset.py in getvalues(self, spec, rtype)
    152                 if value != 0 and dim.cod2desc(value) is None:
    153                     if dim.desc2cod(value) is None:
--> 154                         msg = "unknown value '{}' for dimension '{}'".format(value, dim.name())
    155                         raise IstatException(msg)
    156                     value = dim.desc2cod(value)

TypeError: 'str' object is not callable

In [ ]:

    

df = pd.merge(df_n,df_s, how='inner', on=['Anno', 'Anno'])
df = df.set_index(['Anno'])
df.head(5)


    

In [ ]:

    

df_filename = r'df_g8.pkl'
df_fullpath = os.path.join(dir_df, df_filename)
df.to_pickle(df_fullpath)