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

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


    

In [6]:

    

area_istruzione = istat.area(12)
ds_istruzione = area_istruzione.dataset('DCCV_POPTIT')
ds_istruzione


    

    
Out[6]:




DCCV_POPTIT(8):Popolazione 15 anni e oltre per titolo di studio
nr
name
nr. values
values (first 3 values)
0
Territorio
28
1:'Italia', 3:'Nord', 4:'Nord-ovest' ...
1
Tipo dato
1
12:'popolazione 15 anni e oltre'
2
Misura
1
9:'valori assoluti'
3
Sesso
3
1:'maschi', 2:'femmine', 3:'totale' ...
4
Classe di età
17
2:'15-19 anni', 3:'20-24 anni', 4:'15-24 anni' ...
5
Titolo di studio
7
3:'licenza di scuola elementare, nessun titolo di studio', 4:'licenza di scuola media', 5:'diploma 2-3 anni (qualifica professionale)' ...
6
Cittadinanza
3
1:'italiano-a', 2:'straniero-a', 3:'totale' ...
7
Tempo e frequenza
63
1977:'2004', 1979:'T1-2004', 1983:'T2-2004' ...

In [13]:

    

ds_istruzione.dimension('Tempo e frequenza')


    

    
Out[13]:





'Tempo e frequenza' (1977:'2004', 1979:'T1-2004', 1983:'T2-2004', 1988:'T3-2004', 1992:'T4-2004', 1996:'2005', 1998:'T1-2005', 2002:'T2-2005', 2007:'T3-2005', 2011:'T4-2005', 2015:'2006', 2017:'T1-2006', 2021:'T2-2006', 2026:'T3-2006', 2030:'T4-2006', 2034:'2007', 2036:'T1-2007', 2040:'T2-2007', 2045:'T3-2007', 2049:'T4-2007', 2053:'2008', 2055:'T1-2008', 2059:'T2-2008', 2064:'T3-2008', 2068:'T4-2008', 2072:'2009', 2074:'T1-2009', 2078:'T2-2009', 2083:'T3-2009', 2087:'T4-2009', 2091:'2010', 2093:'T1-2010', 2097:'T2-2010', 2102:'T3-2010', 2106:'T4-2010', 2110:'2011', 2112:'T1-2011', 2116:'T2-2011', 2121:'T3-2011', 2125:'T4-2011', 2129:'2012', 2131:'T1-2012', 2135:'T2-2012', 2140:'T3-2012', 2144:'T4-2012', 2148:'2013', 2150:'T1-2013', 2154:'T2-2013', 2159:'T3-2013', 2163:'T4-2013', 2167:'2014', 2169:'T1-2014', 2173:'T2-2014', 2178:'T3-2014', 2182:'T4-2014', 2186:'2015', 2188:'T1-2015', 2192:'T2-2015', 2197:'T3-2015', 2201:'T4-2015', 2207:'T1-2016', 2211:'T2-2016', 2216:'T3-2016')

In [29]:

    

# NORD
spec_n = {
    "Territorio":4,
    "Sesso":3,
    "Classe di età":28,
    "Cittadinanza":3,
    "Tempo e frequenza":2186
}

#SUD
spec_s = {
    "Territorio":88,
    "Sesso":3,
    "Classe di età":28,
    "Cittadinanza":3,
    "Tempo e frequenza":2186
}


    

In [33]:

    

def istr(ds, spec, nome):
    c = ds.getvalues(spec)
    ds = c.dataset(0)
    df = ds.to_data_frame('Titolo di studio')
    df.reset_index(level=0, inplace=True)
    df.columns = ['Titolo',nome]
    return df


    

In [34]:

    

df_s = istr(ds_istruzione,spec_s, 'Sud')
df_n = istr(ds_istruzione,spec_n, 'Nord')


    

In [37]:

    

df_s


    

    
Out[37]:






  

    

      

      
Titolo
      
Sud
    
  
  

    

      
0
      
licenza di scuola elementare, nessun titolo di...
      
4005.88
    
    

      
1
      
licenza di scuola media
      
6169.13
    
    

      
2
      
diploma 2-3 anni (qualifica professionale)
      
401.85
    
    

      
3
      
diploma 4-5 anni (maturità)
      
5331.22
    
    

      
4
      
diploma
      
5733.07
    
    

      
5
      
laurea e post-laurea
      
1960.92
    
    

      
6
      
totale
      
17869.00