In [1]:
import pandas as pd

In [98]:
perg = pd.read_json("2014.json")
dat = pd.read_json("2014_1_2.json")

del dat[1]
del dat[2]
del dat[3]
del dat[4]

del perg[0]
del perg[2]

In [99]:
ind_car = 61

In [142]:
car_dat = pd.DataFrame(dat[6][ind_car])
car_dat = car_dat.transpose()
#car_dat.columns = perg[3]

In [148]:



Out[148]:
0                                    Qual é o seu sexo?
1                            Qual é o seu estado civil?
2                             Qual é a sua cor ou raça?
3                Onde você cursou o ensino fundamental?
4                      Onde você cursou o ensino médio?
5     Que tipo de curso de ensino médio você conclui...
6              Em que turno você cursou o ensino médio?
7     Você frequenta ou frequentou cursinho pré-vest...
8     Você já iniciou ou está frequentando algum cur...
9     Somando a sua renda com a renda das pessoas qu...
10    Quantas pessoas da família vivem da renda indi...
11    Quantas pessoas contribuem para a obtenção des...
12    Qual é o nível de instrução de seu pai ou resp...
13    Qual é o nível de instrução de sua mãe ou resp...
14             Você exerce alguma atividade remunerada?
15    Onde você acessa a Internet com maior frequência?
16    Quanto à manutenção mensal de sua família, ass...
17    Indique a situação do imóvel em que sua famíli...
18    Como pretende se manter durante seus estudos u...
19                  Quantos carros existem em sua casa?
20            Quantos computadores existem em sua casa?
21    No ano passado, você se inscreveu como "treine...
22    Além do vestibular da FUVEST, você pretende se...
23    Quantos vestibulares você já prestou na FUVEST...
24    Em algum dos vestibulares que você já prestou ...
25                              Você optou pelo PASUSP?
26          Você está participando do processo INCLUSP?
27                        Qual sua idade em 31/12/2013?
Name: 3, dtype: object

In [144]:
car_dat


Out[144]:
0 1 2 3 4 5 6 7 8 9 ... 18 19 20 21 22 23 24 25 26 27
0 16108 16108 16108 16108 16108 16108 16108 16108 16108 16108 ... 16108 16108 16108 16108 16108 16108 16108 16108 16108 16108
1 5618 15676 11911 4196 4643 15182 12234 5671 13849 180 ... 8383 2197 376 2135 1831 8448 9439 1077 4391 236
2 10489 371 648 9620 10656 612 1746 1482 898 1441 ... 2434 7005 7130 13972 1589 3827 380 15031 11717 4794
3 NaN 58 2625 981 255 31 729 4553 544 1933 ... 297 5123 4467 NaN 9627 1920 147 NaN NaN 4040
4 NaN 2 882 1224 479 168 963 2270 66 2978 ... 292 1368 2418 NaN 2084 1005 100 NaN NaN 2459
5 NaN NaN 41 33 29 54 375 2131 750 2423 ... 1826 332 1716 NaN 976 907 98 NaN NaN 1411
6 NaN NaN NaN 53 45 60 60 NaN NaN 2052 ... 2511 82 NaN NaN NaN NaN 5943 NaN NaN 897
7 NaN NaN NaN NaN NaN NaN NaN NaN NaN 1934 ... 364 NaN NaN NaN NaN NaN NaN NaN NaN 1282
8 NaN NaN NaN NaN NaN NaN NaN NaN NaN 1225 ... NaN NaN NaN NaN NaN NaN NaN NaN NaN 985
9 NaN NaN NaN NaN NaN NaN NaN NaN NaN 1941 ... NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
10 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ... NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN

11 rows × 28 columns


In [ ]:
perg[3]

In [155]:
perg.transpose()[17]


Out[155]:
1                                                     5
3     Indique a situação do imóvel em que sua famíli...
4                                     Próprio, quitado.
5     Cedido por instituição/empresa/parentes/conhec...
6                  Próprio, com financiamento em curso.
7                                              Alugado.
8     Próprio, construído em terreno sem regularização.
9                                                  None
10                                                 None
11                                                 None
12                                                 None
13                                                 None
Name: 17, dtype: object

In [ ]: