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 [ ]:
Content source: danilolessa/playground
Similar notebooks: