L'objectif est d'exprimer pour chaque décile de revenu la part que représente les dépenses en TICPE sur l'ensemble du revenu. Ce revenu prend trois définitions : le revenu total, le revenu disponible, ou l'ensemble des dépenses du ménage. Ces calculs sont réalisés pour 2000, 2005 et 2011, et les parts spécifiques à l'essence et au diesel sont spécifiées.

Import de modules généraux


In [1]:
from __future__ import division

import pandas
import seaborn
from pandas import concat

Import de modules spécifiques à OpenFisca


In [2]:
from openfisca_france_indirect_taxation.examples.utils_example import graph_builder_line
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

Sélection des variables que l'on veut simuler


In [4]:
simulated_variables = [
    'revtot',
    'somme_coicop12_conso',
    'rev_disp_loyerimput',
    'ticpe_totale',
    'diesel_ticpe',
    'essence_ticpe'
    ]

Simulation de la part des dépenses en carburants dans la consommation totale, par décile de revenu


In [5]:
for element in ['ticpe_totale', 'diesel_ticpe', 'essence_ticpe']:
    revtot = None
    rev_disp_loyerimput = None
    depenses = None
    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

        part_revtot = pandas.DataFrame()
        part_revtot['part ' + element.replace('_', ' ') + ' revtot {}'.format(year)] = \
            df[element] / df['revtot']

        part_rev_loyerimput = pandas.DataFrame()
        part_rev_loyerimput['part ' + element.replace('_', ' ') + ' rev disp loyerimput {}'.format(year)] = \
            df[element] / df['rev_disp_loyerimput']

        part_depenses = pandas.DataFrame()
        part_depenses['part ' + element.replace('_', ' ') + ' depenses {}'.format(year)] = \
            df[element] / df['somme_coicop12_conso']

        if revtot is not None:
            revtot = concat([revtot, part_revtot], axis = 1)
        else:
            revtot = part_revtot

        if rev_disp_loyerimput is not None:
            rev_disp_loyerimput = concat([rev_disp_loyerimput, part_rev_loyerimput], axis = 1)
        else:
            rev_disp_loyerimput = part_rev_loyerimput

        if depenses is not None:
            depenses = concat([depenses, part_depenses], axis = 1)
        else:
            depenses = part_depenses

    graph_builder_line(revtot)
    graph_builder_line(rev_disp_loyerimput)
    graph_builder_line(depenses)