In [1]:
import numpy as np
import pandas as pd
from openfisca_core import periods
import openfisca_france
In [2]:
population = pd.read_csv('population_simulated_men6310.csv')
pop = population[['salaire', 'salaire_conj', 'age', 'age_conj', 'nb_enf', 'statut_marital', 'retraite', 'retraite_conj']]
#pop.head()
pop
Out[2]:
salaire
salaire_conj
age
age_conj
nb_enf
statut_marital
retraite
retraite_conj
0
4190.0
0.0
22
21.0
1
1
0.0
0.0
1
9749.0
0.0
23
22.0
3
1
0.0
0.0
2
13509.0
0.0
25
23.0
0
1
0.0
0.0
3
13509.0
0.0
25
24.0
1
1
0.0
0.0
4
13509.0
21487.0
25
25.0
2
1
0.0
0.0
5
13509.0
31991.0
25
25.0
3
1
0.0
0.0
6
16464.0
19563.0
27
26.0
0
1
0.0
0.0
7
0.0
0.0
28
26.0
1
1
0.0
0.0
8
0.0
17479.0
28
26.0
0
1
0.0
0.0
9
16464.0
0.0
27
27.0
0
1
0.0
0.0
10
15991.0
0.0
26
27.0
2
1
0.0
0.0
11
0.0
14667.0
28
27.0
2
1
0.0
0.0
12
9749.0
20749.0
23
27.0
2
1
0.0
0.0
13
13509.0
18611.0
25
27.0
1
1
0.0
0.0
14
15991.0
19728.0
26
27.0
0
1
0.0
0.0
15
0.0
26407.0
28
27.0
2
1
0.0
0.0
16
0.0
21008.0
28
27.0
1
1
0.0
0.0
17
20034.0
23581.0
29
27.0
0
1
0.0
0.0
18
0.0
18165.0
28
27.0
1
1
0.0
0.0
19
20034.0
0.0
29
28.0
4
1
0.0
0.0
20
0.0
0.0
28
28.0
2
1
0.0
0.0
21
0.0
20660.0
28
28.0
2
1
0.0
0.0
22
13509.0
20481.0
25
28.0
4
1
0.0
0.0
23
16464.0
21796.0
27
28.0
1
1
0.0
0.0
24
0.0
22226.0
28
29.0
0
1
0.0
0.0
25
37990.0
17008.0
30
29.0
1
1
0.0
0.0
26
13509.0
0.0
25
29.0
0
1
0.0
0.0
27
20034.0
21529.0
29
29.0
1
1
0.0
0.0
28
15991.0
8792.0
26
29.0
0
1
0.0
0.0
29
16464.0
0.0
27
29.0
3
1
0.0
0.0
...
...
...
...
...
...
...
...
...
6280
0.0
NaN
85
NaN
0
2
1687.0
NaN
6281
0.0
NaN
85
NaN
1
2
1687.0
NaN
6282
0.0
NaN
86
NaN
0
2
1687.0
NaN
6283
0.0
NaN
86
NaN
0
0
1687.0
NaN
6284
0.0
NaN
86
NaN
0
0
1687.0
NaN
6285
0.0
NaN
86
NaN
0
0
1687.0
NaN
6286
0.0
NaN
86
NaN
0
0
1687.0
NaN
6287
0.0
NaN
87
NaN
0
3
1687.0
NaN
6288
0.0
NaN
87
NaN
0
2
1687.0
NaN
6289
0.0
NaN
87
NaN
4
2
1687.0
NaN
6290
0.0
NaN
87
NaN
0
2
1687.0
NaN
6291
0.0
NaN
89
NaN
0
2
1687.0
NaN
6292
25028.0
NaN
89
NaN
0
2
0.0
NaN
6293
0.0
NaN
89
NaN
0
0
1687.0
NaN
6294
0.0
NaN
89
NaN
0
2
1687.0
NaN
6295
0.0
NaN
89
NaN
0
2
1687.0
NaN
6296
0.0
NaN
90
NaN
0
2
1687.0
NaN
6297
0.0
NaN
90
NaN
0
2
1687.0
NaN
6298
0.0
NaN
90
NaN
0
2
1687.0
NaN
6299
0.0
NaN
91
NaN
0
2
1687.0
NaN
6300
0.0
NaN
91
NaN
0
2
1687.0
NaN
6301
0.0
NaN
91
NaN
0
0
1687.0
NaN
6302
0.0
NaN
92
NaN
0
3
1687.0
NaN
6303
0.0
NaN
92
NaN
0
2
1687.0
NaN
6304
0.0
NaN
92
NaN
0
2
1687.0
NaN
6305
0.0
NaN
93
NaN
0
2
1687.0
NaN
6306
0.0
NaN
93
NaN
0
2
1687.0
NaN
6307
0.0
NaN
93
NaN
0
0
1687.0
NaN
6308
0.0
NaN
94
NaN
0
2
1687.0
NaN
6309
0.0
NaN
95
NaN
0
2
1687.0
NaN
6310 rows × 8 columns
In [3]:
tbf = openfisca_france.FranceTaxBenefitSystem()
In [4]:
scenario = tbf.new_scenario()
In [5]:
year = periods.period('2016')
In [6]:
scenario.init_single_entity(period=year, parent1={})
Out[6]:
<openfisca_france.scenarios.Scenario at 0x7f064db68c10>
In [7]:
simulation = scenario.new_simulation()
In [8]:
population[['salaire', 'salaire_conj', 'statut_marital']]
Out[8]:
salaire
salaire_conj
statut_marital
0
4190.0
0.0
1
1
9749.0
0.0
1
2
13509.0
0.0
1
3
13509.0
0.0
1
4
13509.0
21487.0
1
5
13509.0
31991.0
1
6
16464.0
19563.0
1
7
0.0
0.0
1
8
0.0
17479.0
1
9
16464.0
0.0
1
10
15991.0
0.0
1
11
0.0
14667.0
1
12
9749.0
20749.0
1
13
13509.0
18611.0
1
14
15991.0
19728.0
1
15
0.0
26407.0
1
16
0.0
21008.0
1
17
20034.0
23581.0
1
18
0.0
18165.0
1
19
20034.0
0.0
1
20
0.0
0.0
1
21
0.0
20660.0
1
22
13509.0
20481.0
1
23
16464.0
21796.0
1
24
0.0
22226.0
1
25
37990.0
17008.0
1
26
13509.0
0.0
1
27
20034.0
21529.0
1
28
15991.0
8792.0
1
29
16464.0
0.0
1
...
...
...
...
6280
0.0
NaN
2
6281
0.0
NaN
2
6282
0.0
NaN
2
6283
0.0
NaN
0
6284
0.0
NaN
0
6285
0.0
NaN
0
6286
0.0
NaN
0
6287
0.0
NaN
3
6288
0.0
NaN
2
6289
0.0
NaN
2
6290
0.0
NaN
2
6291
0.0
NaN
2
6292
25028.0
NaN
2
6293
0.0
NaN
0
6294
0.0
NaN
2
6295
0.0
NaN
2
6296
0.0
NaN
2
6297
0.0
NaN
2
6298
0.0
NaN
2
6299
0.0
NaN
2
6300
0.0
NaN
2
6301
0.0
NaN
0
6302
0.0
NaN
3
6303
0.0
NaN
2
6304
0.0
NaN
2
6305
0.0
NaN
2
6306
0.0
NaN
2
6307
0.0
NaN
0
6308
0.0
NaN
2
6309
0.0
NaN
2
6310 rows × 3 columns
In [9]:
salaire_individus = []
idfoy = []
quifoy = []
for index, row in population.iterrows():
salaire_individus.append(row['salaire'])
idfoy.append(index)
quifoy.append(0)
if row['statut_marital'] == 1:
salaire_individus.append(row['salaire_conj'])
idfoy.append(index)
quifoy.append(1)
salaire_individus = np.array(salaire_individus)
idfoy = np.array(idfoy)
quifoy = np.array(quifoy)
In [10]:
simulation.get_or_new_holder('salaire_de_base').set_input(year, salaire_individus)
In [11]:
foyer_fiscal = simulation.entities['foyer_fiscal']
foyer_fiscal.members_legacy_role = quifoy
foyer_fiscal.members_entity_id = idfoy
foyer_fiscal.count = max(idfoy) + 1
foyer_fiscal._members_role = None
simulation.entities['individu'].count = len(salaire_individus)
In [13]:
irpp = simulation.calculate('irpp', period=year)
In [20]:
population['irpp'] = irpp
In [21]:
population
Out[21]:
Unnamed: 0
activite
activite_conj
age
age_conj
emploi
emploi_conj
etudes
etudes_conj
handicap
...
salaire
salaire_conj
sexe
sexe_conj
statut_marital
statut_marital_conj
type_fam
enfant
nb_enf
irpp
0
0
True
False
22
21.0
True
False
False
True
False
...
4190.0
0.0
femme
homme
1
1.0
Couples
True
1
0.000000
1
1
True
False
23
22.0
True
False
False
False
False
...
9749.0
0.0
femme
homme
1
1.0
Couples
True
3
0.000000
2
2
True
False
25
23.0
True
False
True
True
False
...
13509.0
0.0
femme
homme
1
1.0
Couples
False
0
0.000000
3
3
True
False
25
24.0
True
False
True
False
False
...
13509.0
0.0
femme
homme
1
1.0
Couples
True
1
0.000000
4
4
True
True
25
25.0
True
True
True
False
False
...
13509.0
21487.0
femme
homme
1
1.0
Couples
True
2
0.000000
5
5
True
True
25
25.0
True
True
True
False
False
...
13509.0
31991.0
femme
homme
1
1.0
Couples
True
3
0.000000
6
6
True
True
27
26.0
True
True
False
False
False
...
16464.0
19563.0
femme
homme
1
1.0
Couples
False
0
0.000000
7
7
False
False
28
26.0
False
False
False
False
False
...
0.0
0.0
femme
homme
1
1.0
Couples
True
1
0.000000
8
8
False
True
28
26.0
False
True
False
False
False
...
0.0
17479.0
femme
homme
1
1.0
Couples
False
0
0.000000
9
9
True
True
27
27.0
True
False
False
False
False
...
16464.0
0.0
femme
homme
1
1.0
Couples
False
0
0.000000
10
10
True
True
26
27.0
True
False
False
False
False
...
15991.0
0.0
femme
homme
1
1.0
Couples
True
2
0.000000
11
11
False
True
28
27.0
False
True
False
False
False
...
0.0
14667.0
femme
homme
1
1.0
Couples
True
2
0.000000
12
12
True
True
23
27.0
True
True
False
False
False
...
9749.0
20749.0
femme
homme
1
1.0
Couples
True
2
0.000000
13
13
True
True
25
27.0
True
True
True
False
False
...
13509.0
18611.0
femme
homme
1
1.0
Couples
True
1
0.000000
14
14
True
True
26
27.0
True
True
False
False
False
...
15991.0
19728.0
femme
homme
1
1.0
Couples
False
0
0.000000
15
15
False
True
28
27.0
False
True
False
False
False
...
0.0
26407.0
femme
homme
1
1.0
Couples
True
2
0.000000
16
16
False
True
28
27.0
False
True
False
False
False
...
0.0
21008.0
femme
homme
1
1.0
Couples
True
1
0.000000
17
17
True
True
29
27.0
True
True
False
False
False
...
20034.0
23581.0
femme
homme
1
1.0
Couples
False
0
0.000000
18
18
False
True
28
27.0
False
True
False
False
False
...
0.0
18165.0
femme
homme
1
1.0
Couples
True
1
0.000000
19
19
True
False
29
28.0
True
False
False
False
False
...
20034.0
0.0
femme
homme
1
1.0
Couples
True
4
0.000000
20
20
False
False
28
28.0
False
False
False
False
False
...
0.0
0.0
femme
homme
1
1.0
Couples
True
2
0.000000
21
21
False
True
28
28.0
False
True
False
False
False
...
0.0
20660.0
femme
homme
1
1.0
Couples
True
2
0.000000
22
22
True
True
25
28.0
True
True
True
False
False
...
13509.0
20481.0
femme
homme
1
1.0
Couples
True
4
0.000000
23
23
True
True
27
28.0
True
True
False
False
False
...
16464.0
21796.0
femme
homme
1
1.0
Couples
True
1
0.000000
24
24
False
True
28
29.0
False
True
False
False
False
...
0.0
22226.0
femme
homme
1
1.0
Couples
False
0
0.000000
25
25
True
True
30
29.0
True
True
False
False
False
...
37990.0
17008.0
femme
homme
1
1.0
Couples
True
1
-2632.097900
26
26
True
False
25
29.0
True
False
True
False
False
...
13509.0
0.0
femme
homme
1
1.0
Couples
False
0
0.000000
27
27
True
True
29
29.0
True
True
False
False
False
...
20034.0
21529.0
femme
homme
1
1.0
Couples
True
1
0.000000
28
28
True
True
26
29.0
True
True
False
False
False
...
15991.0
8792.0
femme
homme
1
1.0
Couples
False
0
0.000000
29
29
True
True
27
29.0
True
False
False
False
False
...
16464.0
0.0
femme
homme
1
1.0
Couples
True
3
0.000000
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
6280
6280
False
NaN
85
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6281
6281
False
NaN
85
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
True
1
0.000000
6282
6282
False
NaN
86
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6283
6283
False
NaN
86
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
0
NaN
homme solo
False
0
0.000000
6284
6284
False
NaN
86
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
0
NaN
homme solo
False
0
0.000000
6285
6285
False
NaN
86
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
0
NaN
homme solo
False
0
0.000000
6286
6286
False
NaN
86
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
0
NaN
homme solo
False
0
0.000000
6287
6287
False
NaN
87
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
3
NaN
homme solo
False
0
0.000000
6288
6288
False
NaN
87
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6289
6289
False
NaN
87
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
True
4
0.000000
6290
6290
False
NaN
87
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6291
6291
False
NaN
89
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6292
6292
True
NaN
89
NaN
True
NaN
False
NaN
False
...
25028.0
NaN
homme
NaN
2
NaN
homme solo
False
0
-941.598022
6293
6293
False
NaN
89
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
0
NaN
homme solo
False
0
0.000000
6294
6294
False
NaN
89
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6295
6295
False
NaN
89
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6296
6296
False
NaN
90
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6297
6297
False
NaN
90
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6298
6298
False
NaN
90
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6299
6299
False
NaN
91
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6300
6300
False
NaN
91
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6301
6301
False
NaN
91
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
0
NaN
homme solo
False
0
0.000000
6302
6302
False
NaN
92
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
3
NaN
homme solo
False
0
0.000000
6303
6303
False
NaN
92
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6304
6304
False
NaN
92
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6305
6305
False
NaN
93
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6306
6306
False
NaN
93
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6307
6307
False
NaN
93
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
0
NaN
homme solo
False
0
0.000000
6308
6308
False
NaN
94
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6309
6309
False
NaN
95
NaN
False
NaN
False
NaN
False
...
0.0
NaN
homme
NaN
2
NaN
homme solo
False
0
0.000000
6310 rows × 23 columns
In [33]:
population.salaire_conj.mean()
Out[33]:
14644.952794357027
In [22]:
population[population['irpp'] != 0]
Out[22]:
Unnamed: 0
activite
activite_conj
age
age_conj
emploi
emploi_conj
etudes
etudes_conj
handicap
...
salaire
salaire_conj
sexe
sexe_conj
statut_marital
statut_marital_conj
type_fam
enfant
nb_enf
irpp
25
25
True
True
30
29.0
True
True
False
False
False
...
37990.0
17008.0
femme
homme
1
1.0
Couples
True
1
-2632.097900
32
32
True
True
30
29.0
True
True
False
False
False
...
37990.0
23273.0
femme
homme
1
1.0
Couples
True
1
-2632.097900
33
33
True
True
30
29.0
True
True
False
False
False
...
37990.0
11642.0
femme
homme
1
1.0
Couples
False
0
-2632.097900
34
34
True
True
31
29.0
True
True
False
False
False
...
20850.0
55527.0
femme
homme
1
1.0
Couples
True
3
-198.216736
41
41
True
True
31
30.0
True
True
False
False
False
...
20850.0
5627.0
femme
homme
1
1.0
Couples
True
2
-198.216736
42
42
True
True
34
30.0
True
True
False
False
False
...
32146.0
21351.0
femme
homme
1
1.0
Couples
True
2
-1910.210571
47
47
True
False
30
30.0
True
False
False
False
False
...
37990.0
0.0
femme
homme
1
1.0
Couples
True
1
-2632.097900
50
50
True
True
31
31.0
True
True
False
False
False
...
20850.0
23240.0
femme
homme
1
1.0
Couples
False
0
-198.216736
51
51
True
True
34
31.0
True
True
False
False
False
...
32146.0
21696.0
femme
homme
1
1.0
Couples
True
2
-1910.210571
52
52
True
True
31
31.0
True
True
False
False
False
...
20850.0
14338.0
femme
homme
1
1.0
Couples
True
2
-198.216736
54
54
True
True
31
31.0
True
True
False
False
False
...
20850.0
19202.0
femme
homme
1
1.0
Couples
True
1
-198.216736
56
56
True
False
37
31.0
True
False
False
False
False
...
22647.0
0.0
femme
homme
1
1.0
Couples
False
0
-517.940369
58
58
True
True
31
31.0
True
True
False
False
False
...
20850.0
19067.0
femme
homme
1
1.0
Couples
True
2
-198.216736
63
63
True
True
34
31.0
True
True
False
False
False
...
32146.0
36018.0
femme
homme
1
1.0
Couples
True
3
-1910.210571
70
70
True
True
31
32.0
True
True
False
False
False
...
20850.0
21867.0
femme
homme
1
1.0
Couples
True
2
-198.216736
76
76
True
True
30
32.0
True
True
False
False
False
...
37990.0
27436.0
femme
homme
1
1.0
Couples
True
2
-2632.097900
80
80
True
True
38
32.0
True
True
False
False
False
...
21746.0
43649.0
femme
homme
1
1.0
Couples
True
1
-357.462036
85
85
True
False
31
33.0
True
False
False
False
False
...
20850.0
0.0
femme
homme
1
1.0
Couples
False
0
-198.216736
90
90
True
True
30
33.0
True
True
False
False
False
...
37990.0
38083.0
femme
homme
1
1.0
Couples
False
0
-2632.097900
108
108
True
True
34
34.0
True
True
False
False
False
...
32146.0
23909.0
femme
homme
1
1.0
Couples
True
1
-1910.210571
110
110
True
True
31
34.0
True
True
False
False
False
...
20850.0
16867.0
femme
homme
1
1.0
Couples
True
3
-198.216736
113
113
True
True
34
34.0
True
True
False
False
False
...
32146.0
20250.0
femme
homme
1
1.0
Couples
True
2
-1910.210571
114
114
True
True
31
34.0
True
True
False
False
False
...
20850.0
27967.0
femme
homme
1
1.0
Couples
False
0
-198.216736
121
121
True
True
34
34.0
True
True
False
False
False
...
32146.0
3135.0
femme
homme
1
1.0
Couples
False
0
-1910.210571
123
123
True
False
30
34.0
True
False
False
False
False
...
37990.0
0.0
femme
homme
1
1.0
Couples
True
2
-2632.097900
132
132
True
False
34
34.0
True
False
False
False
False
...
32146.0
0.0
femme
homme
1
1.0
Couples
False
0
-1910.210571
140
140
True
False
30
35.0
True
False
False
False
False
...
37990.0
0.0
femme
homme
1
1.0
Couples
False
0
-2632.097900
142
142
True
True
31
35.0
True
True
False
False
False
...
20850.0
28038.0
femme
homme
1
1.0
Couples
False
0
-198.216736
145
145
True
True
30
35.0
True
True
False
False
False
...
37990.0
16808.0
femme
homme
1
1.0
Couples
False
0
-2632.097900
146
146
True
True
31
35.0
True
False
False
False
False
...
20850.0
0.0
femme
homme
1
1.0
Couples
False
0
-198.216736
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
6041
6041
True
NaN
60
NaN
True
NaN
False
NaN
False
...
75321.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-10943.817383
6042
6042
True
NaN
60
NaN
True
NaN
False
NaN
False
...
67093.0
NaN
homme
NaN
0
NaN
homme solo
False
0
-9111.341797
6043
6043
True
NaN
60
NaN
True
NaN
False
NaN
True
...
29874.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-1679.175537
6045
6045
True
NaN
60
NaN
True
NaN
False
NaN
False
...
31473.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-1841.746460
6046
6046
True
NaN
61
NaN
True
NaN
False
NaN
False
...
22998.0
NaN
homme
NaN
0
NaN
homme solo
False
0
-580.227722
6047
6047
True
NaN
61
NaN
True
NaN
False
NaN
False
...
52393.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-5837.166504
6048
6048
True
NaN
61
NaN
True
NaN
False
NaN
False
...
69813.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-9716.958008
6049
6049
True
NaN
61
NaN
True
NaN
False
NaN
False
...
51474.0
NaN
homme
NaN
2
NaN
homme solo
False
0
-5632.545410
6051
6051
True
NaN
61
NaN
True
NaN
False
NaN
False
...
40068.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-3092.232178
6055
6055
True
NaN
61
NaN
True
NaN
False
NaN
False
...
67378.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-9174.681641
6061
6061
True
NaN
61
NaN
True
NaN
False
NaN
True
...
35968.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-2298.843018
6062
6062
True
NaN
61
NaN
True
NaN
False
NaN
False
...
26197.0
NaN
homme
NaN
0
NaN
homme solo
False
0
-1149.416992
6063
6063
True
NaN
62
NaN
True
NaN
False
NaN
False
...
47823.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-4819.343750
6064
6064
True
NaN
62
NaN
True
NaN
False
NaN
True
...
30172.0
NaN
homme
NaN
0
NaN
homme solo
False
0
-1709.477905
6068
6068
True
NaN
62
NaN
True
NaN
False
NaN
False
...
33811.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-2079.539307
6070
6070
True
NaN
62
NaN
True
NaN
False
NaN
False
...
358789.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-121537.898438
6073
6073
True
NaN
62
NaN
True
NaN
False
NaN
False
...
31330.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-1827.270386
6074
6074
True
NaN
62
NaN
True
NaN
False
NaN
False
...
29052.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-1595.697632
6076
6076
True
NaN
62
NaN
True
NaN
False
NaN
False
...
30094.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-1701.648315
6079
6079
True
NaN
62
NaN
True
NaN
False
NaN
True
...
46062.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-4427.353027
6084
6084
True
NaN
63
NaN
True
NaN
False
NaN
False
...
27250.0
NaN
homme
NaN
0
NaN
homme solo
False
0
-1336.758179
6085
6085
True
NaN
63
NaN
True
NaN
False
NaN
False
...
24934.0
NaN
homme
NaN
0
NaN
homme solo
False
0
-924.728394
6086
6086
True
NaN
63
NaN
True
NaN
False
NaN
False
...
33148.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-2012.062988
6092
6092
True
NaN
63
NaN
True
NaN
False
NaN
False
...
30813.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-1774.749146
6095
6095
True
NaN
64
NaN
True
NaN
False
NaN
False
...
43843.0
NaN
homme
NaN
0
NaN
homme solo
False
0
-3933.121582
6098
6098
True
NaN
64
NaN
True
NaN
False
NaN
False
...
109227.0
NaN
homme
NaN
2
NaN
homme solo
False
0
-19445.802734
6099
6099
True
NaN
64
NaN
True
NaN
False
NaN
False
...
20340.0
NaN
homme
NaN
3
NaN
homme solo
False
0
-107.441895
6102
6102
True
NaN
64
NaN
True
NaN
False
NaN
False
...
31920.0
NaN
homme
NaN
0
NaN
homme solo
False
0
-1887.201050
6103
6103
True
NaN
64
NaN
True
NaN
False
NaN
False
...
22444.0
NaN
homme
NaN
2
NaN
homme solo
False
0
-481.729126
6292
6292
True
NaN
89
NaN
True
NaN
False
NaN
False
...
25028.0
NaN
homme
NaN
2
NaN
homme solo
False
0
-941.598022
1301 rows × 23 columns
In [ ]:
Content source: edarin/population_simulator
Similar notebooks: