

In [2]:

    
import numpy as np
import pandas as pd

Les tables concernant l'âge et le sexe

Output : pop_age_sexe_2016.csv

Input : Table générée à partir de pop-1janvier-fe.xls (https://www.insee.fr/fr/statistiques/1892086)

Source : Insee, estimations de population (résultats provisoires arrêtés à fin 2015).
Champ : France y compris Mayotte.

Warning : âge = 100 correspond à 100 et plus



In [2]:

    
pd.read_csv("data/demographie/pop_age_sexe_2016.csv").head()

Les tables concernant le statut d'actif.ve

Output: activite_2015.csv

Input : Table générée à partir de activite.xls, https://www.insee.fr/fr/statistiques/2045153?sommaire=2045174

Champ : France métropolitaine, population des ménages, actifs de 15 ans ou plus.
Source : Insee, enquête Emploi.
2015



In [4]:

    
pd.read_csv("data/travail/activite_2015.csv")









    Out[4]:






  
    
      
      classe_age
      femme
      homme
      total
    
  
  
    
      0
      0-14 ans
      0
      0
      0
    
    
      1
      15-24 ans
      1228
      1475
      2703
    
    
      2
      25-49 ans
      8563
      9274
      17837
    
    
      3
      50-64 ans
      3879
      4003
      7882
    
    
      4
      65 ans ou plus
      126
      179
      305

Les tables concernant le statut d'actif.ve occupée

Taux de chômage trimestriel au sens du BIT en France (hors Mayotte)

Output : chomage.csv

Input : Tableau généré à partir de sl_chomage.xls, https://www.insee.fr/fr/statistiques/2045144?sommaire=2045174

Données CVS en moyenne trimestrielle, en %
Champ : France (hors Mayotte), population des ménages, personnes de 15 ans ou plus
Source : Insee, enquête Emploi, 2016(T1)



In [5]:

    
pd.read_csv("data/travail/chomage.csv")









    Out[5]:






  
    
      
      classe_age_chomage
      femme
      homme
    
  
  
    
      0
      15-24
      23.4
      25.8
    
    
      1
      25-49
      9.5
      9.7
    
    
      2
      >49
      6.4
      6.9

Tables concernant les pensions de retraite

Output : retraite_2012.csv

Input : Table générée à partir de NATCCF04564.xls.

Montant moyen mensuel de la retraite globale

Champ : retraités de droit direct, âgés de 65 ans ou plus, nés en France ou à l'étranger, résidents en France ou à l'étranger. Les retraités ne percevant qu'une pension de réversion sont exclus.
Source : Drees, échantillon interrégimes de retraités 2012.



In [6]:

    
pd.read_csv("data/travail/retraite_2012.csv")









    Out[6]:






  
    
      
      classe_age_retraite
      femme
      homme
    
  
  
    
      0
      65 à 69 ans
      1259
      1797
    
    
      1
      70 à 74 ans
      1212
      1713
    
    
      2
      75 à 79 ans
      1173
      1626
    
    
      3
      80 à 84 ans
      1225
      1623
    
    
      4
      85 ans et plus
      1330
      1687

Tables concernant le statut d'étudiant

Output : etudes.csv

Input : Table générée à partir de NATTEF07116.xls

Champ : France (hors Mayotte), enseignement public et privé, y c. scolarisation en apprentissage.
Source : Depp.
2013



In [7]:

    
pd.read_csv("data/demographie/etudes.csv")









    Out[7]:






  
    
      
      age
      proba_etudes
    
  
  
    
      0
      15 ans
      97.8
    
    
      1
      16 ans
      94.2
    
    
      2
      17 ans
      90.3
    
    
      3
      18 ans
      77.4
    
    
      4
      19 ans
      64.1
    
    
      5
      20 ans
      53.3
    
    
      6
      21 ans
      43.0
    
    
      7
      22 ans
      35.8
    
    
      8
      23 ans
      26.3
    
    
      9
      24 ans
      17.4
    
    
      10
      25 ans
      11.1

Tables concernant le handicap

Output: handicap_pop.csv

Input: Table générée à partir de handicap.ods

Champ : population âgée de 15 à 64 ans en France métropolitaine vivant en ménage ordinaire (collectivités exclues).
Source : Dares, enquête complémentaire à l'enquête Emploi 2007.
Personnes ayant une reconnaissance administrative du handicap.
http://www.insee.fr/fr/themes/document.asp?ref_id=T11F037



In [2]:

    
pd.read_csv("data/demographie/handicap_pop.csv")









    Out[2]:






  
    
      
      classe_age_handicap
      homme
      femme
    
  
  
    
      0
      15 à 24 ans
      3
      4
    
    
      1
      25 à 39 ans
      20
      17
    
    
      2
      40 à 49 ans
      27
      30
    
    
      3
      50 à 64 ans
      50
      49
    
    
      4
      Effectifs
      998000
      815000

Tables concernant le satut marital

Output : statut_marital_femme.csv et statut_marital_homme.csv

Input : Tables générées à partir de irsocsd2014_fe_t6.xls

N.B. La répartition par état matrimonial est provisoire ; elle n'est pas disponible à partir de 90 ans.
Champ : France inclus Mayotte
Source : Insee, estimations de population
1er janvier 2015



In [5]:

    
reference_marital = dict()
for sexe in ['homme', 'femme']:
    reference_marital[sexe] = pd.read_csv("data/menages/statut_marital_{0}.csv".format(sexe))
reference_marital['femme'].head()



In [6]:

    
reference_marital['homme'].head()

Tables concernant le fait d'avoir un enfant

Output : type_famille.csv

Input: AMFd3.xls pour la structure des familles avec enfants en 2012

Champ : France, population des ménages, familles avec au moins un enfant.
Source : Insee, RP1990 sondage au 1/4, RP1999 à RP2012 exploitations complémentaires.

irsocsd2012_t6_fe.xls pour récupérer les effectifs de référence

Champ : France, territoire au 31 décembre 2010
Source : Insee, estimations de population
2012



In [7]:

    
pd.read_csv('data/menages/enfants/type_famille.csv')









    Out[7]:






  
    
      
      type_fam
      effectif
      effectif_ref
    
  
  
    
      0
      Total
      10349.5
      53141330
    
    
      1
      Couples
      7681.8
      24438372
    
    
      2
      femme solo
      2218.8
      15542786
    
    
      3
      homme solo
      448.8
      13160172

Tables concernant le nombre d'enfants

Output: nbr_enfant.csv

Input : Table générée à partir de rp2013_td_fam1.xls

Source : Insee
RP2013 exploitation complémentaire.



In [3]:

    
pd.read_csv('data/menages/enfants/nbr_enfant.csv')



In [ ]:

	age	femme	homme	total
0	0	374179	391371	765550
1	1	385442	403204	788646
2	2	386831	405502	792333
3	3	391853	412383	804236
4	4	399632	416626	816258

	age	total	celib
0	0	384347	384347
1	1	384661	384661
2	2	389099	389099
3	3	396217	396217
4	4	405870	405870

	age	total	celib
0	0	401382	401382
1	1	403797	403797
2	2	409038	409038
3	3	412492	412492
4	4	425656	425656

	type_fam	1	2	3	4
0	Couples	2790543	2938894	1069424	336473
1	homme solo	235324	110110	26948	7218
2	femme solo	1001638	580945	186680	72717

	classe_age	femme	homme	total
0	0-14 ans	0	0	0
1	15-24 ans	1228	1475	2703
2	25-49 ans	8563	9274	17837
3	50-64 ans	3879	4003	7882
4	65 ans ou plus	126	179	305

	classe_age_retraite	femme	homme
0	65 à 69 ans	1259	1797
1	70 à 74 ans	1212	1713
2	75 à 79 ans	1173	1626
3	80 à 84 ans	1225	1623
4	85 ans et plus	1330	1687

	age	proba_etudes
0	15 ans	97.8
1	16 ans	94.2
2	17 ans	90.3
3	18 ans	77.4
4	19 ans	64.1
5	20 ans	53.3
6	21 ans	43.0
7	22 ans	35.8
8	23 ans	26.3
9	24 ans	17.4
10	25 ans	11.1

	classe_age_handicap	homme	femme
0	15 à 24 ans	3	4
1	25 à 39 ans	20	17
2	40 à 49 ans	27	30
3	50 à 64 ans	50	49
4	Effectifs	998000	815000

	type_fam	effectif	effectif_ref
0	Total	10349.5	53141330
1	Couples	7681.8	24438372
2	femme solo	2218.8	15542786
3	homme solo	448.8	13160172