Le but de cet exemple est de calculer, pour chaque décile de revenu, la part de leur consommation que les ménages accordent à chaque catégorie de bien. Les catégories suivent le niveau le plus agrégé de la nomenclature COICOP.

Import de modules généraux



In [1]:

    
from __future__ import division

import pandas
import seaborn

Import de modules spécifiques à Openfisca



In [2]:

    
from openfisca_france_indirect_taxation.examples.utils_example import graph_builder_bar
from openfisca_france_indirect_taxation.surveys import SurveyScenario

Import d'une nouvelle palette de couleurs



In [3]:

    
seaborn.set_palette(seaborn.color_palette("Set2", 12))
%matplotlib inline

Construction de la dataframe et réalisation des graphiques



In [5]:

    
simulated_variables = ['coicop12_{}'.format(coicop12_index) for coicop12_index in range(1, 13)]
    for year in [2000, 2005, 2011]:
        survey_scenario = SurveyScenario.create(year = year)
        pivot_table = pandas.DataFrame()
        for values in simulated_variables:
            pivot_table = pandas.concat([
                pivot_table,
                survey_scenario.compute_pivot_table(values = [values], columns = ['niveau_vie_decile'])
                ])
        df = pivot_table.T
        df['depenses_tot'] = df[['coicop12_{}'.format(i) for i in range(1, 13)]].sum(axis = 1)

        for i in range(1, 13):
            df['part_coicop12_{}'.format(i)] = \
                df['coicop12_{}'.format(i)] / df['depenses_tot']

        print 'Profil de la consommation des ménages en {}'.format(year)
        graph_builder_bar(df[['part_coicop12_{}'.format(i) for i in range(1, 13)]])









    



Profil de la consommation des ménages en 2000






    












    



Profil de la consommation des ménages en 2005






    












    



Profil de la consommation des ménages en 2011