notebook.community

Edit and run

PROJETO 1

Rene Martinez

Aposentados X Aposentados

Introdução

A partir da ideia de que há uma grande desigualdade social envolvida com a descriminação social, decidi ver qual é a relação que existe entre essa desigualdade com a descriminação racial em relação aos aposentados.

No site http://www.cartaforense.com.br/conteudo/colunas/previdencia-e-a-desigualdade-social/5757 é visto que a distribuição de renda se torna mais injusta com o sistema previdenciário brasileiro.

Para essa minha pesquisa, eu usei várias estatísticas qualitativas e quantitativas em uma ordem lógica que no final há uma conclusão acerca dessa relação estudada.

Porém, essa pequisa só tem relação com a aposentadoria governamental, sendo que aprivada é algo totalmente diferente e pode ser analisado do mesmo modo

Análise e Resultados





In [4]:



    


%matplotlib inline
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import os



    











In [5]:



    


print('Esperamos trabalhar no diretório')
print(os.getcwd())



    


















    






Esperamos trabalhar no diretório
C:\Users\Rene Martinez\Documents\CDEng-master\Projeto1

















In [6]:



    


"""Vamos ler a estrutura da PNAD como um dataframe.
    São muitas colunas e precisamos usar a informação de tamanho para ler a PNAD de fato
    como uma base de tamanho fixo"""
estrutura = pd.read_table("pes_py.txt", sep=";")



    











In [7]:



    


estrutura.head()



    


















    
Out[7]:










  
    

      
      Coluna
      Tamanho
      Título
    

  
  
    

      0
      V0101
      4
      Ano de referência
    

    

      1
      UF
      2
      Unidade da Federação
    

    

      2
      V0102
      6
      Número de controle
    

    

      3
      V0103
      3
      Número de série
    

    

      4
      V0301
      2
      Número de ordem
    

  




















In [8]:



    


# Se quiser uma leitura mais rápida, use o arquivo descompactado. Não esqueça de adicionar ao seu .gitignore
pnad2014 = pd.read_fwf("PES2014.txt", widths=estrutura.Tamanho, header=None)



    











In [9]:



    


pnad2014



    


















    
Out[9]:










  
    

      
      0
      1
      2
      3
      4
      5
      6
      7
      8
      9
      ...
      331
      332
      333
      334
      335
      336
      337
      338
      339
      340
    

  
  
    

      0
      2014
      11
      15
      1
      1
      2
      19
      8
      1987
      27
      ...
      3
      500
      3
      3
      1
      2
      2
      1
      500
      20160623
    

    

      1
      2014
      11
      15
      1
      2
      4
      19
      1
      1986
      28
      ...
      3
      500
      3
      4
      2
      NaN
      2
      1
      500
      20160623
    

    

      2
      2014
      11
      15
      1
      3
      2
      14
      5
      2013
      1
      ...
      3
      500
      3
      1
      NaN
      NaN
      NaN
      NaN
      500
      20160623
    

    

      3
      2014
      11
      15
      2
      1
      2
      8
      4
      1963
      51
      ...
      2
      1150
      4
      2
      1
      2
      2
      1
      1150
      20160623
    

    

      4
      2014
      11
      15
      2
      2
      4
      6
      11
      1970
      43
      ...
      2
      1150
      4
      3
      1
      2
      2
      1
      1150
      20160623
    

    

      5
      2014
      11
      15
      3
      1
      4
      5
      1
      1937
      77
      ...
      1
      724
      3
      2
      2
      NaN
      NaN
      2
      724
      20160623
    

    

      6
      2014
      11
      15
      4
      1
      4
      15
      3
      1975
      39
      ...
      5
      1700
      5
      4
      2
      NaN
      2
      1
      1700
      20160623
    

    

      7
      2014
      11
      15
      4
      2
      2
      7
      3
      1954
      60
      ...
      5
      1700
      5
      1
      1
      2
      2
      1
      1700
      20160623
    

    

      8
      2014
      11
      15
      4
      3
      4
      2
      4
      1998
      16
      ...
      5
      1700
      5
      4
      1
      2
      2
      1
      1700
      20160623
    

    

      9
      2014
      11
      15
      4
      4
      2
      21
      5
      1999
      15
      ...
      5
      1700
      5
      3
      2
      NaN
      NaN
      2
      1700
      20160623
    

    

      10
      2014
      11
      15
      4
      5
      4
      1
      11
      2001
      12
      ...
      5
      1700
      5
      2
      2
      NaN
      NaN
      2
      1700
      20160623
    

    

      11
      2014
      11
      15
      5
      1
      4
      13
      7
      1946
      68
      ...
      4
      855
      4
      2
      2
      NaN
      NaN
      2
      855
      20160623
    

    

      12
      2014
      11
      15
      5
      2
      4
      7
      10
      1978
      35
      ...
      4
      855
      4
      6
      1
      2
      2
      1
      855
      20160623
    

    

      13
      2014
      11
      15
      5
      3
      4
      21
      7
      1996
      18
      ...
      4
      855
      4
      4
      1
      2
      2
      1
      855
      20160623
    

    

      14
      2014
      11
      15
      5
      4
      2
      24
      8
      2000
      14
      ...
      4
      855
      4
      2
      2
      NaN
      NaN
      2
      855
      20160623
    

    

      15
      2014
      11
      15
      6
      1
      2
      20
      11
      1953
      60
      ...
      2
      850
      4
      2
      1
      2
      2
      1
      850
      20160623
    

    

      16
      2014
      11
      15
      6
      2
      4
      9
      6
      1956
      58
      ...
      2
      850
      4
      2
      1
      2
      2
      1
      850
      20160623
    

    

      17
      2014
      11
      15
      7
      1
      4
      12
      12
      1958
      55
      ...
      5
      3220
      6
      2
      1
      2
      2
      1
      3220
      20160623
    

    

      18
      2014
      11
      15
      7
      2
      2
      22
      3
      1954
      60
      ...
      5
      3220
      6
      7
      1
      2
      2
      1
      3220
      20160623
    

    

      19
      2014
      11
      15
      7
      3
      2
      10
      6
      1981
      33
      ...
      5
      3220
      6
      7
      1
      2
      2
      1
      3220
      20160623
    

    

      20
      2014
      11
      15
      7
      4
      2
      10
      6
      1981
      33
      ...
      5
      3220
      6
      5
      1
      2
      2
      1
      3220
      20160623
    

    

      21
      2014
      11
      15
      7
      5
      2
      3
      6
      1985
      29
      ...
      5
      3220
      6
      7
      1
      2
      2
      1
      3220
      20160623
    

    

      22
      2014
      11
      15
      8
      1
      2
      15
      3
      1975
      39
      ...
      3
      933
      4
      5
      1
      2
      2
      1
      933
      20160623
    

    

      23
      2014
      11
      15
      8
      2
      4
      12
      2
      1972
      42
      ...
      3
      933
      4
      5
      1
      2
      2
      1
      933
      20160623
    

    

      24
      2014
      11
      15
      8
      3
      2
      5
      5
      2009
      5
      ...
      3
      933
      4
      1
      2
      NaN
      NaN
      2
      933
      20160623
    

    

      25
      2014
      11
      15
      10
      1
      2
      15
      10
      1948
      65
      ...
      2
      2362
      6
      2
      1
      1
      1
      1
      2362
      20160623
    

    

      26
      2014
      11
      15
      10
      2
      4
      24
      6
      1952
      62
      ...
      2
      2362
      6
      5
      2
      NaN
      NaN
      2
      2362
      20160623
    

    

      27
      2014
      11
      15
      11
      1
      2
      20
      12
      1965
      48
      ...
      5
      804
      4
      3
      1
      2
      2
      1
      804
      20160623
    

    

      28
      2014
      11
      15
      11
      2
      4
      9
      11
      1965
      48
      ...
      5
      804
      4
      5
      1
      2
      2
      1
      804
      20160623
    

    

      29
      2014
      11
      15
      11
      3
      2
      3
      7
      1994
      20
      ...
      5
      804
      4
      6
      1
      2
      2
      1
      804
      20160623
    

    

      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
    

    

      362597
      2014
      53
      2148
      9
      3
      2
      5
      9
      1995
      19
      ...
      4
      500
      3
      2
      1
      2
      2
      1
      500
      20160623
    

    

      362598
      2014
      53
      2148
      9
      4
      2
      22
      1
      2000
      14
      ...
      4
      500
      3
      2
      2
      NaN
      NaN
      2
      500
      20160623
    

    

      362599
      2014
      53
      2148
      10
      1
      4
      21
      7
      1968
      46
      ...
      5
      1140
      4
      7
      1
      2
      2
      1
      1140
      20160623
    

    

      362600
      2014
      53
      2148
      10
      2
      2
      30
      8
      1965
      49
      ...
      5
      1140
      4
      1
      1
      2
      2
      1
      1140
      20160623
    

    

      362601
      2014
      53
      2148
      10
      3
      2
      10
      12
      1990
      23
      ...
      5
      1140
      4
      2
      1
      2
      2
      1
      1140
      20160623
    

    

      362602
      2014
      53
      2148
      10
      4
      2
      5
      10
      1994
      19
      ...
      5
      1140
      4
      2
      1
      2
      2
      1
      1140
      20160623
    

    

      362603
      2014
      53
      2148
      10
      5
      4
      30
      5
      2001
      13
      ...
      5
      1140
      4
      2
      2
      NaN
      NaN
      2
      1140
      20160623
    

    

      362604
      2014
      53
      2148
      11
      1
      2
      29
      9
      1962
      51
      ...
      5
      1199
      4
      2
      1
      2
      2
      1
      1318
      20160623
    

    

      362605
      2014
      53
      2148
      11
      2
      4
      0
      20
      39
      39
      ...
      5
      1199
      4
      3
      1
      2
      2
      1
      1318
      20160623
    

    

      362606
      2014
      53
      2148
      11
      3
      2
      18
      3
      1992
      22
      ...
      5
      1199
      4
      5
      1
      2
      2
      1
      1318
      20160623
    

    

      362607
      2014
      53
      2148
      11
      4
      2
      29
      8
      1990
      24
      ...
      5
      1199
      4
      5
      1
      2
      2
      1
      1019
      20160623
    

    

      362608
      2014
      53
      2148
      11
      5
      4
      21
      1
      1995
      19
      ...
      5
      1199
      4
      5
      1
      2
      2
      1
      1019
      20160623
    

    

      362609
      2014
      53
      2148
      12
      1
      2
      24
      12
      1953
      60
      ...
      7
      442
      3
      1
      1
      2
      2
      1
      442
      20160623
    

    

      362610
      2014
      53
      2148
      12
      2
      4
      3
      1
      1961
      53
      ...
      7
      442
      3
      1
      2
      NaN
      NaN
      2
      442
      20160623
    

    

      362611
      2014
      53
      2148
      12
      3
      4
      23
      7
      1987
      27
      ...
      7
      442
      3
      5
      1
      2
      2
      1
      442
      20160623
    

    

      362612
      2014
      53
      2148
      12
      4
      2
      22
      5
      1989
      25
      ...
      7
      442
      3
      2
      1
      2
      2
      1
      442
      20160623
    

    

      362613
      2014
      53
      2148
      12
      5
      2
      7
      10
      1994
      19
      ...
      7
      442
      3
      5
      1
      2
      2
      1
      442
      20160623
    

    

      362614
      2014
      53
      2148
      12
      6
      2
      13
      9
      1997
      17
      ...
      7
      442
      3
      2
      2
      NaN
      NaN
      2
      442
      20160623
    

    

      362615
      2014
      53
      2148
      12
      7
      4
      29
      5
      2001
      13
      ...
      7
      442
      3
      2
      2
      NaN
      NaN
      2
      442
      20160623
    

    

      362616
      2014
      53
      2148
      13
      1
      2
      10
      2
      1959
      55
      ...
      3
      1266
      4
      3
      1
      2
      2
      1
      1266
      20160623
    

    

      362617
      2014
      53
      2148
      13
      2
      4
      31
      10
      1964
      49
      ...
      3
      1266
      4
      2
      2
      NaN
      NaN
      2
      1266
      20160623
    

    

      362618
      2014
      53
      2148
      13
      3
      2
      17
      6
      2007
      7
      ...
      3
      1266
      4
      1
      2
      NaN
      NaN
      2
      1266
      20160623
    

    

      362619
      2014
      53
      2148
      14
      1
      2
      23
      6
      1991
      23
      ...
      2
      500
      3
      2
      2
      NaN
      2
      1
      500
      20160623
    

    

      362620
      2014
      53
      2148
      14
      2
      4
      25
      11
      1989
      24
      ...
      2
      500
      3
      4
      1
      2
      2
      1
      500
      20160623
    

    

      362621
      2014
      53
      2148
      16
      1
      2
      2
      1
      1987
      27
      ...
      2
      2000
      5
      5
      1
      2
      2
      1
      2000
      20160623
    

    

      362622
      2014
      53
      2148
      16
      2
      4
      5
      5
      1983
      31
      ...
      2
      2000
      5
      5
      1
      2
      2
      1
      2000
      20160623
    

    

      362623
      2014
      53
      2148
      17
      1
      2
      2
      2
      1968
      46
      ...
      4
      910
      4
      1
      1
      2
      2
      1
      910
      20160623
    

    

      362624
      2014
      53
      2148
      17
      2
      4
      8
      6
      1978
      36
      ...
      4
      910
      4
      1
      1
      2
      2
      1
      910
      20160623
    

    

      362625
      2014
      53
      2148
      17
      3
      2
      1
      6
      1996
      18
      ...
      4
      910
      4
      3
      2
      NaN
      NaN
      2
      910
      20160623
    

    

      362626
      2014
      53
      2148
      17
      4
      4
      11
      4
      1997
      17
      ...
      4
      910
      4
      4
      2
      NaN
      NaN
      2
      910
      20160623
    

  



362627 rows × 341 columns



















In [10]:



    


estrutura.columns



    


















    
Out[10]:








Index(['Coluna', 'Tamanho', 'Título'], dtype='object')

















In [11]:



    


pnad2014.columns = estrutura.Coluna



    











In [12]:



    


pnad2014.head()



    


















    
Out[12]:










  
    

      Coluna
      V0101
      UF
      V0102
      V0103
      V0301
      V0302
      V3031
      V3032
      V3033
      V8005
      ...
      V4741
      V4742
      V4743
      V4745
      V4746
      V4747
      V4748
      V4749
      V4750
      V9993
    

  
  
    

      0
      2014
      11
      15
      1
      1
      2
      19
      8
      1987
      27
      ...
      3
      500
      3
      3
      1
      2
      2
      1
      500
      20160623
    

    

      1
      2014
      11
      15
      1
      2
      4
      19
      1
      1986
      28
      ...
      3
      500
      3
      4
      2
      NaN
      2
      1
      500
      20160623
    

    

      2
      2014
      11
      15
      1
      3
      2
      14
      5
      2013
      1
      ...
      3
      500
      3
      1
      NaN
      NaN
      NaN
      NaN
      500
      20160623
    

    

      3
      2014
      11
      15
      2
      1
      2
      8
      4
      1963
      51
      ...
      2
      1150
      4
      2
      1
      2
      2
      1
      1150
      20160623
    

    

      4
      2014
      11
      15
      2
      2
      4
      6
      11
      1970
      43
      ...
      2
      1150
      4
      3
      1
      2
      2
      1
      1150
      20160623
    

  



5 rows × 341 columns



















In [219]:



    


#Porcentagem de homens e mulheres aposentados no Brasil



    











In [121]:



    


pnad2014.Aposentados = pnad2014[pnad2014.V9122 == 2].V0302.astype('category')



    











In [118]:



    


pnad2014.Aposentados.cat.categories = ('Homem', 'Mulher')



    











In [119]:



    


pnad2014.Aposentados.value_counts(True)*100



    


















    
Out[119]:








Mulher    50.793158
Homem     49.206842
dtype: float64

















In [114]:



    


pizza1 = pnad2014.Aposentados.value_counts(True)*100
pizza1.plot(kind='pie', colors=('blue', 'red'), autopct="%0.2f",legend=False)
plt.title("Aposentados")



    


















    
Out[114]:








<matplotlib.text.Text at 0x25016496ba8>










    
























In [19]:



    


#Quantidade de aposentados homens por cidade brasileira



    











In [ ]:



    






    











In [153]:



    


pnad2014.Regioes = pnad2014[(pnad2014.V9122 == 2)&(pnad2014.V0302 == 2)].UF.astype('category')



    











In [22]:



    


pnad2014.Regioes.cat.categories = ('Rondônia', 'Acre', 'Amazonas', 'Roraima', 'Pará', 'Amapá', 'Tocantins', 'Maranhão', 
                                  'Piauí', 'Ceará', 'Rio Grande do Norte', 'Paraíba', 'Pernambuco', 'Alagoas', 'Sergipe',
                                  'Bahia', 'Minas Gerais', 'Espírito Santo', 'Rio de Janeiro', 'São Paulo', 'Paraná', 
                                   'Santa Catarina', 'Rio Grande do Sul', 'Mato Grosso do Sul', 'Mato Grosso', 'Goiás', 
                                   'Distrito Federal')
pnad2014.Regioes.value_counts()



    


















    
Out[22]:








São Paulo              2524
Minas Gerais           2101
Rio Grande do Sul      2079
Rio de Janeiro         1662
Bahia                  1227
Paraná                 1121
Pernambuco             1047
Ceará                   882
Pará                    762
Santa Catarina          729
Goiás                   688
Maranhão                397
Espírito Santo          364
Distrito Federal        359
Amazonas                321
Mato Grosso             319
Paraíba                 312
Sergipe                 297
Piauí                   294
Tocantins               281
Mato Grosso do Sul      266
Rondônia                264
Alagoas                 242
Rio Grande do Norte     216
Acre                    119
Amapá                    75
Roraima                  67
dtype: int64

















In [73]:



    


barraH = pnad2014.Regioes.value_counts()
barraH.plot(kind='bar', color=('blue', 'red'), legend=False)
plt.title('Aposentados Homens/Região')



    


















    
Out[73]:








<matplotlib.text.Text at 0x2500906ac18>










    
























In [24]:



    


#Qual é a raça desses aposentados homens



    











In [ ]:



    






    











In [128]:



    


pnad2014.Raca = pnad2014[(pnad2014.V9122 == 2)&(pnad2014.V0302 == 2)].V0404.astype('category')



    











In [129]:



    


pnad2014.Raca.cat.categories = ('Indígena','Branca', 'Preta', 'Amarela', 'Parda')



    











In [151]:



    


barraRaca = pnad2014.Raca.value_counts()
barraRaca.plot(kind='bar', color=('white', 'brown', 'black', 'yellow','brown'), legend=False)
plt.title("Raça dos homens aposentados")



    


















    
Out[151]:








<matplotlib.text.Text at 0x25019e97630>










    
























In [146]:



    


pnad2014[(pnad2014.V0404 == 4)&(pnad2014.V8005>=60)] #Quantidade Negros



    


















    
Out[146]:










  
    

      Coluna
      V0101
      UF
      V0102
      V0103
      V0301
      V0302
      V3031
      V3032
      V3033
      V8005
      ...
      V4741
      V4742
      V4743
      V4745
      V4746
      V4747
      V4748
      V4749
      V4750
      V9993
    

  
  
    

      51
      2014
      11
      23
      1
      5
      2
      25
      1
      1924
      90
      ...
      5
      4.440000e+02
      3
      1
      2
      NaN
      NaN
      2
      4.440000e+02
      20160623
    

    

      203
      2014
      11
      40
      18
      1
      4
      4
      9
      1947
      67
      ...
      1
      8.060000e+02
      4
      1
      1
      2
      2
      1
      8.060000e+02
      20160623
    

    

      232
      2014
      11
      58
      10
      2
      2
      8
      8
      1947
      67
      ...
      3
      3.580000e+02
      2
      1
      2
      NaN
      1
      1
      3.580000e+02
      20160623
    

    

      347
      2014
      11
      74
      10
      5
      2
      5
      12
      1936
      77
      ...
      6
      4.080000e+02
      3
      1
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      624
      2014
      11
      147
      7
      2
      4
      16
      10
      1946
      67
      ...
      2
      7.240000e+02
      3
      2
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      1218
      2014
      11
      317
      14
      1
      4
      28
      7
      1944
      70
      ...
      2
      7.240000e+02
      3
      2
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      1234
      2014
      11
      325
      7
      1
      2
      27
      5
      1950
      64
      ...
      2
      9.740000e+02
      4
      1
      1
      1
      1
      1
      9.740000e+02
      20160623
    

    

      1254
      2014
      11
      333
      1
      2
      4
      12
      5
      1948
      66
      ...
      2
      7.320000e+02
      4
      2
      2
      NaN
      NaN
      2
      7.320000e+02
      20160623
    

    

      1286
      2014
      11
      333
      12
      1
      2
      15
      10
      1949
      64
      ...
      2
      5.600000e+01
      1
      1
      2
      NaN
      NaN
      2
      5.600000e+01
      20160623
    

    

      1402
      2014
      11
      350
      14
      1
      2
      22
      11
      1940
      73
      ...
      2
      3.350000e+03
      6
      1
      2
      NaN
      NaN
      2
      3.350000e+03
      20160623
    

    

      1594
      2014
      11
      406
      1
      1
      4
      24
      8
      1944
      70
      ...
      2
      7.240000e+02
      3
      1
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      1595
      2014
      11
      406
      1
      2
      2
      12
      5
      1953
      61
      ...
      2
      7.240000e+02
      3
      1
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      1657
      2014
      11
      414
      10
      1
      2
      7
      11
      1948
      65
      ...
      9
      2.050000e+02
      2
      1
      2
      NaN
      NaN
      2
      2.050000e+02
      20160623
    

    

      1675
      2014
      11
      414
      14
      2
      4
      5
      6
      1954
      60
      ...
      2
      1.224000e+03
      4
      2
      1
      1
      1
      1
      1.224000e+03
      20160623
    

    

      1761
      2014
      11
      449
      6
      1
      2
      30
      9
      1949
      64
      ...
      2
      9.120000e+02
      4
      5
      1
      2
      2
      1
      9.120000e+02
      20160623
    

    

      1973
      2014
      11
      503
      2
      4
      4
      23
      10
      1946
      67
      ...
      4
      1.793000e+03
      5
      2
      2
      NaN
      NaN
      2
      1.793000e+03
      20160623
    

    

      2004
      2014
      11
      503
      14
      1
      4
      27
      6
      1947
      67
      ...
      3
      7.240000e+02
      3
      1
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      2114
      2014
      11
      538
      10
      1
      2
      6
      7
      1943
      71
      ...
      3
      4.820000e+02
      3
      1
      1
      1
      1
      1
      4.820000e+02
      20160623
    

    

      2242
      2014
      11
      562
      14
      2
      4
      6
      3
      1944
      70
      ...
      2
      7.240000e+02
      3
      2
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      2251
      2014
      11
      570
      2
      1
      2
      16
      5
      1945
      69
      ...
      3
      4.820000e+02
      3
      1
      2
      NaN
      NaN
      2
      4.820000e+02
      20160623
    

    

      2276
      2014
      11
      570
      14
      1
      2
      17
      6
      1953
      61
      ...
      1
      3.000000e+03
      6
      5
      2
      NaN
      NaN
      2
      3.000000e+03
      20160623
    

    

      2348
      2014
      11
      597
      7
      1
      2
      10
      11
      1951
      62
      ...
      1
      3.000000e+02
      2
      1
      2
      NaN
      NaN
      2
      3.000000e+02
      20160623
    

    

      2766
      2014
      11
      708
      9
      1
      2
      3
      1
      1942
      72
      ...
      2
      7.240000e+02
      3
      2
      1
      1
      1
      1
      7.240000e+02
      20160623
    

    

      2806
      2014
      11
      716
      8
      2
      4
      17
      3
      1943
      71
      ...
      2
      7.250000e+02
      4
      2
      2
      NaN
      NaN
      2
      7.250000e+02
      20160623
    

    

      2966
      2014
      11
      740
      15
      1
      4
      8
      8
      1952
      62
      ...
      6
      1.000000e+12
      99
      1
      1
      1
      1
      1
      1.816000e+03
      20160623
    

    

      2984
      2014
      11
      740
      21
      2
      2
      29
      12
      1945
      68
      ...
      2
      1.086000e+03
      4
      2
      1
      1
      1
      1
      1.086000e+03
      20160623
    

    

      3156
      2014
      11
      791
      11
      1
      4
      1
      9
      1940
      74
      ...
      5
      1.000000e+12
      99
      1
      2
      NaN
      NaN
      2
      2.312000e+03
      20160623
    

    

      3234
      2014
      11
      813
      14
      1
      4
      8
      9
      1929
      85
      ...
      2
      3.620000e+02
      2
      1
      2
      NaN
      NaN
      2
      3.620000e+02
      20160623
    

    

      3397
      2014
      11
      864
      15
      1
      2
      31
      5
      1951
      63
      ...
      9
      5.000000e+02
      3
      2
      1
      2
      2
      1
      5.000000e+02
      20160623
    

    

      3398
      2014
      11
      864
      15
      2
      4
      23
      4
      1943
      71
      ...
      9
      5.000000e+02
      3
      1
      2
      NaN
      NaN
      2
      5.000000e+02
      20160623
    

    

      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
    

    

      359993
      2014
      53
      1567
      11
      1
      2
      11
      1
      1954
      60
      ...
      2
      1.047000e+03
      4
      2
      2
      NaN
      NaN
      2
      1.047000e+03
      20160623
    

    

      360390
      2014
      53
      1672
      6
      2
      2
      12
      10
      1942
      71
      ...
      6
      3.000000e+02
      2
      2
      2
      NaN
      NaN
      2
      3.000000e+02
      20160623
    

    

      360421
      2014
      53
      1672
      14
      1
      4
      23
      2
      1947
      67
      ...
      3
      2.430000e+02
      2
      2
      2
      NaN
      NaN
      2
      2.430000e+02
      20160623
    

    

      360560
      2014
      53
      1702
      9
      1
      4
      19
      5
      1952
      62
      ...
      8
      9.120000e+02
      4
      1
      2
      NaN
      NaN
      2
      1.333000e+03
      20160623
    

    

      360571
      2014
      53
      1702
      11
      1
      4
      2
      2
      1952
      62
      ...
      3
      1.600000e+03
      5
      3
      2
      NaN
      NaN
      2
      1.600000e+03
      20160623
    

    

      360579
      2014
      53
      1702
      14
      1
      2
      17
      4
      1943
      71
      ...
      2
      8.000000e+02
      4
      3
      2
      NaN
      NaN
      2
      8.000000e+02
      20160623
    

    

      360589
      2014
      53
      1710
      1
      1
      2
      19
      11
      1949
      64
      ...
      2
      7.000000e+02
      3
      5
      2
      NaN
      NaN
      2
      7.000000e+02
      20160623
    

    

      360590
      2014
      53
      1710
      1
      2
      4
      2
      6
      1951
      63
      ...
      2
      7.000000e+02
      3
      1
      2
      NaN
      NaN
      2
      7.000000e+02
      20160623
    

    

      360703
      2014
      53
      1737
      9
      1
      4
      0
      20
      62
      62
      ...
      2
      9.620000e+02
      4
      3
      1
      2
      2
      1
      9.620000e+02
      20160623
    

    

      360715
      2014
      53
      1737
      12
      1
      4
      0
      20
      71
      71
      ...
      2
      7.240000e+02
      3
      2
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      360750
      2014
      53
      1745
      8
      2
      4
      0
      20
      60
      60
      ...
      2
      1.262000e+03
      4
      5
      2
      NaN
      NaN
      2
      1.262000e+03
      20160623
    

    

      360796
      2014
      53
      1753
      11
      2
      4
      18
      6
      1954
      60
      ...
      3
      1.813000e+03
      5
      3
      1
      2
      2
      1
      1.813000e+03
      20160623
    

    

      360802
      2014
      53
      1753
      13
      2
      2
      22
      6
      1954
      60
      ...
      4
      1.062000e+03
      4
      2
      2
      NaN
      NaN
      2
      1.062000e+03
      20160623
    

    

      360953
      2014
      53
      1788
      5
      2
      4
      15
      10
      1951
      62
      ...
      2
      1.362000e+03
      4
      5
      2
      NaN
      NaN
      2
      1.362000e+03
      20160623
    

    

      361069
      2014
      53
      1800
      6
      1
      4
      26
      10
      1948
      65
      ...
      4
      4.060000e+02
      3
      2
      2
      NaN
      NaN
      2
      4.060000e+02
      20160623
    

    

      361158
      2014
      53
      1826
      3
      1
      4
      9
      1
      1951
      63
      ...
      1
      2.800000e+03
      6
      1
      2
      NaN
      NaN
      2
      2.800000e+03
      20160623
    

    

      361169
      2014
      53
      1826
      7
      2
      2
      15
      3
      1942
      72
      ...
      4
      4.084000e+03
      7
      1
      2
      NaN
      NaN
      2
      4.084000e+03
      20160623
    

    

      361173
      2014
      53
      1826
      8
      2
      2
      17
      6
      1948
      66
      ...
      6
      1.000000e+12
      99
      2
      2
      NaN
      NaN
      2
      1.000000e+12
      20160623
    

    

      361191
      2014
      53
      1826
      14
      1
      4
      22
      12
      1953
      60
      ...
      5
      1.318000e+03
      4
      2
      1
      2
      2
      1
      2.750000e+03
      20160623
    

    

      361204
      2014
      53
      1834
      2
      6
      4
      21
      12
      1946
      67
      ...
      6
      1.487000e+03
      5
      1
      2
      NaN
      NaN
      2
      1.487000e+03
      20160623
    

    

      361272
      2014
      53
      1842
      8
      1
      2
      14
      9
      1926
      88
      ...
      3
      1.881000e+03
      5
      1
      1
      2
      2
      1
      1.881000e+03
      20160623
    

    

      361564
      2014
      53
      1907
      4
      1
      4
      20
      2
      1948
      66
      ...
      4
      6.120000e+02
      3
      3
      2
      NaN
      NaN
      2
      6.120000e+02
      20160623
    

    

      361584
      2014
      53
      1907
      10
      2
      4
      17
      9
      1947
      67
      ...
      3
      1.774000e+03
      5
      2
      1
      2
      2
      1
      1.774000e+03
      20160623
    

    

      362016
      2014
      53
      2016
      15
      1
      4
      27
      4
      1938
      76
      ...
      4
      8.120000e+02
      4
      2
      2
      NaN
      NaN
      2
      8.120000e+02
      20160623
    

    

      362077
      2014
      53
      2024
      12
      1
      2
      5
      2
      1942
      72
      ...
      3
      4.820000e+02
      3
      2
      2
      NaN
      NaN
      2
      4.820000e+02
      20160623
    

    

      362078
      2014
      53
      2024
      12
      2
      4
      3
      3
      1950
      64
      ...
      3
      4.820000e+02
      3
      2
      2
      NaN
      NaN
      2
      4.820000e+02
      20160623
    

    

      362094
      2014
      53
      2032
      2
      1
      2
      10
      12
      1951
      62
      ...
      3
      9.870000e+02
      4
      2
      1
      2
      2
      1
      9.870000e+02
      20160623
    

    

      362105
      2014
      53
      2032
      7
      1
      4
      23
      4
      1948
      66
      ...
      2
      1.267000e+03
      4
      5
      2
      NaN
      NaN
      2
      1.267000e+03
      20160623
    

    

      362202
      2014
      53
      2059
      2
      1
      4
      10
      11
      1937
      76
      ...
      1
      1.448000e+03
      4
      5
      2
      NaN
      NaN
      2
      1.448000e+03
      20160623
    

    

      362239
      2014
      53
      2059
      14
      2
      2
      2
      7
      1949
      65
      ...
      5
      1.800000e+02
      1
      3
      2
      NaN
      NaN
      2
      1.800000e+02
      20160623
    

  



4340 rows × 341 columns



















In [ ]:



    


#Só metade dos negros conseguem pagar o inss e receber a aposentadoria



    











In [147]:



    


pnad2014[(pnad2014.V0404 == 2)&(pnad2014.V8005>=60)]



    


















    
Out[147]:










  
    

      Coluna
      V0101
      UF
      V0102
      V0103
      V0301
      V0302
      V3031
      V3032
      V3033
      V8005
      ...
      V4741
      V4742
      V4743
      V4745
      V4746
      V4747
      V4748
      V4749
      V4750
      V9993
    

  
  
    

      5
      2014
      11
      15
      3
      1
      4
      5
      1
      1937
      77
      ...
      1
      7.240000e+02
      3
      2
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      7
      2014
      11
      15
      4
      2
      2
      7
      3
      1954
      60
      ...
      5
      1.700000e+03
      5
      1
      1
      2
      2
      1
      1.700000e+03
      20160623
    

    

      18
      2014
      11
      15
      7
      2
      2
      22
      3
      1954
      60
      ...
      5
      3.220000e+03
      6
      7
      1
      2
      2
      1
      3.220000e+03
      20160623
    

    

      25
      2014
      11
      15
      10
      1
      2
      15
      10
      1948
      65
      ...
      2
      2.362000e+03
      6
      2
      1
      1
      1
      1
      2.362000e+03
      20160623
    

    

      62
      2014
      11
      23
      6
      1
      4
      22
      7
      1941
      73
      ...
      2
      3.620000e+02
      2
      5
      2
      NaN
      NaN
      2
      3.620000e+02
      20160623
    

    

      66
      2014
      11
      23
      8
      1
      2
      7
      8
      1949
      65
      ...
      2
      2.862000e+03
      6
      5
      1
      1
      1
      1
      2.862000e+03
      20160623
    

    

      87
      2014
      11
      23
      16
      1
      4
      3
      5
      1951
      63
      ...
      2
      1.321000e+03
      4
      1
      1
      2
      2
      1
      1.321000e+03
      20160623
    

    

      150
      2014
      11
      40
      2
      1
      2
      27
      3
      1952
      62
      ...
      4
      2.560000e+02
      2
      2
      1
      2
      2
      1
      2.560000e+02
      20160623
    

    

      202
      2014
      11
      40
      17
      2
      4
      1
      6
      1949
      65
      ...
      2
      3.620000e+02
      2
      2
      2
      NaN
      NaN
      2
      3.620000e+02
      20160623
    

    

      213
      2014
      11
      58
      5
      3
      2
      15
      8
      1925
      89
      ...
      4
      7.930000e+02
      4
      1
      2
      NaN
      NaN
      2
      7.930000e+02
      20160623
    

    

      257
      2014
      11
      66
      1
      1
      2
      19
      5
      1937
      77
      ...
      2
      1.162000e+03
      4
      1
      1
      2
      2
      1
      1.162000e+03
      20160623
    

    

      267
      2014
      11
      66
      5
      1
      4
      15
      7
      1937
      77
      ...
      5
      3.840000e+02
      3
      2
      2
      NaN
      NaN
      2
      3.840000e+02
      20160623
    

    

      280
      2014
      11
      66
      9
      1
      2
      7
      9
      1951
      63
      ...
      2
      1.174000e+03
      4
      2
      1
      2
      2
      1
      1.174000e+03
      20160623
    

    

      312
      2014
      11
      66
      18
      1
      2
      2
      7
      1951
      63
      ...
      6
      4.330000e+02
      3
      1
      1
      2
      2
      1
      5.660000e+02
      20160623
    

    

      373
      2014
      11
      82
      3
      2
      4
      7
      11
      1950
      63
      ...
      2
      7.240000e+02
      3
      1
      1
      1
      1
      1
      7.240000e+02
      20160623
    

    

      374
      2014
      11
      82
      4
      1
      2
      3
      3
      1945
      69
      ...
      2
      9.100000e+02
      4
      1
      1
      1
      1
      1
      9.100000e+02
      20160623
    

    

      405
      2014
      11
      82
      15
      2
      4
      24
      8
      1947
      67
      ...
      2
      4.620000e+02
      3
      1
      1
      1
      1
      1
      4.620000e+02
      20160623
    

    

      409
      2014
      11
      90
      2
      1
      2
      29
      6
      1952
      62
      ...
      1
      8.000000e+02
      4
      5
      1
      2
      2
      1
      8.000000e+02
      20160623
    

    

      468
      2014
      11
      90
      27
      1
      4
      6
      2
      1946
      68
      ...
      2
      1.174000e+03
      4
      1
      2
      NaN
      NaN
      2
      1.174000e+03
      20160623
    

    

      470
      2014
      11
      90
      28
      1
      4
      14
      7
      1946
      68
      ...
      2
      7.240000e+02
      3
      1
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      504
      2014
      11
      104
      6
      1
      4
      23
      12
      1930
      83
      ...
      1
      1.448000e+03
      4
      1
      2
      NaN
      NaN
      2
      1.448000e+03
      20160623
    

    

      527
      2014
      11
      112
      4
      1
      2
      9
      10
      1941
      72
      ...
      3
      1.041000e+03
      4
      2
      1
      2
      2
      1
      1.041000e+03
      20160623
    

    

      560
      2014
      11
      120
      10
      1
      2
      14
      11
      1941
      72
      ...
      2
      7.240000e+02
      3
      1
      1
      1
      1
      1
      7.240000e+02
      20160623
    

    

      583
      2014
      11
      139
      7
      2
      4
      20
      8
      1947
      67
      ...
      2
      1.000000e+12
      99
      2
      1
      1
      1
      1
      1.000000e+12
      20160623
    

    

      591
      2014
      11
      139
      11
      2
      4
      17
      12
      1947
      66
      ...
      2
      2.362000e+03
      6
      2
      2
      NaN
      NaN
      2
      2.362000e+03
      20160623
    

    

      596
      2014
      11
      139
      13
      1
      2
      25
      12
      1946
      67
      ...
      2
      1.000000e+03
      4
      2
      1
      2
      2
      1
      1.000000e+03
      20160623
    

    

      614
      2014
      11
      147
      5
      4
      4
      20
      8
      1937
      77
      ...
      4
      9.620000e+02
      4
      1
      1
      1
      1
      1
      9.620000e+02
      20160623
    

    

      615
      2014
      11
      147
      6
      1
      2
      23
      10
      1951
      62
      ...
      8
      5.090000e+02
      3
      2
      1
      1
      1
      1
      9.570000e+02
      20160623
    

    

      623
      2014
      11
      147
      7
      1
      2
      5
      11
      1944
      69
      ...
      2
      7.240000e+02
      3
      2
      2
      NaN
      1
      1
      7.240000e+02
      20160623
    

    

      646
      2014
      11
      155
      7
      1
      2
      17
      3
      1945
      69
      ...
      2
      1.862000e+03
      5
      1
      2
      NaN
      NaN
      2
      1.862000e+03
      20160623
    

    

      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
    

    

      361804
      2014
      53
      1974
      12
      2
      2
      4
      2
      1935
      79
      ...
      2
      1.000000e+12
      99
      7
      2
      NaN
      NaN
      2
      1.000000e+12
      20160623
    

    

      361806
      2014
      53
      1974
      15
      2
      4
      22
      9
      1941
      73
      ...
      3
      4.333000e+03
      7
      5
      2
      NaN
      NaN
      2
      4.333000e+03
      20160623
    

    

      361808
      2014
      53
      1974
      16
      1
      4
      3
      12
      1928
      85
      ...
      3
      6.000000e+03
      7
      7
      2
      NaN
      NaN
      2
      6.000000e+03
      20160623
    

    

      361822
      2014
      53
      1982
      4
      1
      2
      3
      7
      1950
      64
      ...
      5
      5.130000e+02
      3
      2
      1
      2
      2
      1
      5.130000e+02
      20160623
    

    

      361838
      2014
      53
      1982
      9
      2
      4
      17
      9
      1952
      62
      ...
      5
      7.940000e+02
      4
      2
      1
      2
      2
      1
      7.940000e+02
      20160623
    

    

      361888
      2014
      53
      1990
      8
      1
      4
      18
      1
      1950
      64
      ...
      3
      4.820000e+02
      3
      2
      1
      2
      2
      1
      4.820000e+02
      20160623
    

    

      361904
      2014
      53
      1990
      11
      6
      4
      2
      2
      1930
      84
      ...
      6
      4.820000e+02
      3
      2
      2
      NaN
      NaN
      2
      4.820000e+02
      20160623
    

    

      361909
      2014
      53
      1990
      15
      1
      2
      3
      2
      1950
      64
      ...
      4
      1.950000e+03
      5
      3
      2
      NaN
      NaN
      2
      1.950000e+03
      20160623
    

    

      362006
      2014
      53
      2016
      12
      1
      2
      24
      9
      1951
      63
      ...
      5
      9.800000e+02
      4
      2
      1
      2
      2
      1
      9.800000e+02
      20160623
    

    

      362032
      2014
      53
      2024
      2
      5
      4
      22
      5
      1922
      92
      ...
      5
      6.880000e+02
      3
      1
      2
      NaN
      NaN
      2
      6.880000e+02
      20160623
    

    

      362063
      2014
      53
      2024
      9
      4
      2
      5
      6
      1920
      94
      ...
      4
      1.931000e+03
      5
      2
      2
      NaN
      NaN
      2
      1.931000e+03
      20160623
    

    

      362072
      2014
      53
      2024
      11
      1
      2
      20
      6
      1948
      66
      ...
      5
      1.220000e+03
      4
      2
      2
      NaN
      NaN
      2
      1.220000e+03
      20160623
    

    

      362073
      2014
      53
      2024
      11
      2
      4
      20
      6
      1950
      64
      ...
      5
      1.220000e+03
      4
      2
      2
      NaN
      NaN
      2
      1.220000e+03
      20160623
    

    

      362120
      2014
      53
      2032
      11
      1
      2
      3
      4
      1943
      71
      ...
      3
      1.666000e+03
      5
      2
      2
      NaN
      NaN
      2
      1.666000e+03
      20160623
    

    

      362133
      2014
      53
      2032
      15
      2
      4
      5
      3
      1938
      76
      ...
      3
      1.465000e+03
      5
      2
      2
      NaN
      NaN
      2
      1.465000e+03
      20160623
    

    

      362164
      2014
      53
      2040
      9
      1
      4
      24
      11
      1951
      62
      ...
      3
      7.490000e+02
      4
      3
      2
      NaN
      NaN
      2
      7.490000e+02
      20160623
    

    

      362165
      2014
      53
      2040
      9
      2
      4
      27
      3
      1927
      87
      ...
      3
      7.490000e+02
      4
      2
      2
      NaN
      NaN
      2
      7.490000e+02
      20160623
    

    

      362172
      2014
      53
      2040
      11
      1
      2
      1
      12
      1953
      60
      ...
      7
      1.071000e+03
      4
      1
      1
      2
      2
      1
      1.071000e+03
      20160623
    

    

      362194
      2014
      53
      2040
      16
      1
      2
      13
      5
      1946
      68
      ...
      1
      3.000000e+03
      6
      5
      2
      NaN
      NaN
      2
      3.000000e+03
      20160623
    

    

      362218
      2014
      53
      2059
      9
      1
      4
      26
      5
      1950
      64
      ...
      5
      8.000000e+02
      4
      7
      2
      NaN
      NaN
      2
      8.000000e+02
      20160623
    

    

      362369
      2014
      53
      2083
      10
      6
      4
      20
      9
      1931
      83
      ...
      7
      1.431000e+03
      4
      2
      2
      NaN
      NaN
      2
      1.086000e+03
      20160623
    

    

      362441
      2014
      53
      2105
      3
      1
      2
      5
      3
      1931
      83
      ...
      2
      3.620000e+02
      2
      2
      2
      NaN
      NaN
      2
      3.620000e+02
      20160623
    

    

      362442
      2014
      53
      2105
      3
      2
      4
      4
      7
      1941
      73
      ...
      2
      3.620000e+02
      2
      2
      2
      NaN
      NaN
      2
      3.620000e+02
      20160623
    

    

      362448
      2014
      53
      2105
      7
      1
      4
      20
      7
      1947
      67
      ...
      2
      3.862000e+03
      7
      2
      2
      NaN
      2
      1
      3.862000e+03
      20160623
    

    

      362450
      2014
      53
      2105
      8
      1
      4
      20
      9
      1947
      67
      ...
      2
      3.620000e+02
      2
      2
      2
      NaN
      NaN
      2
      3.620000e+02
      20160623
    

    

      362470
      2014
      53
      2113
      2
      1
      2
      23
      1
      1952
      62
      ...
      4
      3.306000e+03
      6
      5
      2
      NaN
      NaN
      2
      3.306000e+03
      20160623
    

    

      362484
      2014
      53
      2113
      7
      5
      4
      2
      4
      1938
      76
      ...
      5
      3.640000e+02
      3
      2
      2
      NaN
      NaN
      2
      3.640000e+02
      20160623
    

    

      362547
      2014
      53
      2130
      5
      1
      4
      16
      6
      1947
      67
      ...
      1
      8.600000e+03
      7
      7
      1
      2
      2
      1
      8.600000e+03
      20160623
    

    

      362549
      2014
      53
      2130
      7
      2
      4
      4
      3
      1944
      70
      ...
      2
      6.600000e+03
      7
      5
      2
      NaN
      NaN
      2
      6.600000e+03
      20160623
    

    

      362555
      2014
      53
      2130
      9
      1
      4
      20
      11
      1939
      74
      ...
      2
      1.000000e+12
      99
      5
      1
      2
      2
      1
      1.000000e+12
      20160623
    

  



23586 rows × 341 columns



















In [ ]:



    


#Menos da metade dos brancos conseguem pagar o inss e receber a aposentadoria



    











In [148]:



    


pnad2014[(pnad2014.V0404 == 8)&(pnad2014.V8005>=60)]



    


















    
Out[148]:










  
    

      Coluna
      V0101
      UF
      V0102
      V0103
      V0301
      V0302
      V3031
      V3032
      V3033
      V8005
      ...
      V4741
      V4742
      V4743
      V4745
      V4746
      V4747
      V4748
      V4749
      V4750
      V9993
    

  
  
    

      11
      2014
      11
      15
      5
      1
      4
      13
      7
      1946
      68
      ...
      4
      8.550000e+02
      4
      2
      2
      NaN
      NaN
      2
      8.550000e+02
      20160623
    

    

      15
      2014
      11
      15
      6
      1
      2
      20
      11
      1953
      60
      ...
      2
      8.500000e+02
      4
      2
      1
      2
      2
      1
      8.500000e+02
      20160623
    

    

      26
      2014
      11
      15
      10
      2
      4
      24
      6
      1952
      62
      ...
      2
      2.362000e+03
      6
      5
      2
      NaN
      NaN
      2
      2.362000e+03
      20160623
    

    

      88
      2014
      11
      23
      16
      2
      2
      17
      5
      1952
      62
      ...
      2
      1.321000e+03
      4
      2
      2
      NaN
      NaN
      2
      1.321000e+03
      20160623
    

    

      98
      2014
      11
      31
      2
      1
      2
      0
      20
      71
      71
      ...
      2
      7.620000e+02
      4
      2
      1
      2
      2
      1
      7.620000e+02
      20160623
    

    

      103
      2014
      11
      31
      4
      1
      2
      11
      8
      1947
      67
      ...
      1
      7.240000e+02
      3
      1
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      183
      2014
      11
      40
      11
      1
      2
      30
      12
      1950
      63
      ...
      3
      8.740000e+02
      4
      2
      1
      1
      1
      1
      8.740000e+02
      20160623
    

    

      184
      2014
      11
      40
      11
      2
      4
      10
      10
      1946
      67
      ...
      3
      8.740000e+02
      4
      1
      1
      2
      2
      1
      8.740000e+02
      20160623
    

    

      197
      2014
      11
      40
      16
      1
      4
      5
      1
      1945
      69
      ...
      4
      3.620000e+02
      2
      1
      2
      NaN
      NaN
      2
      3.620000e+02
      20160623
    

    

      281
      2014
      11
      66
      9
      2
      4
      15
      2
      1954
      60
      ...
      2
      1.174000e+03
      4
      2
      2
      NaN
      NaN
      2
      1.174000e+03
      20160623
    

    

      348
      2014
      11
      74
      10
      6
      4
      27
      3
      1951
      63
      ...
      6
      4.080000e+02
      3
      1
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      349
      2014
      11
      74
      11
      1
      4
      30
      8
      1947
      67
      ...
      1
      7.240000e+02
      3
      2
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      362
      2014
      11
      74
      16
      1
      4
      1
      5
      1953
      61
      ...
      5
      7.440000e+02
      4
      2
      2
      NaN
      NaN
      2
      7.440000e+02
      20160623
    

    

      372
      2014
      11
      82
      3
      1
      2
      14
      3
      1948
      66
      ...
      2
      7.240000e+02
      3
      1
      1
      1
      1
      1
      7.240000e+02
      20160623
    

    

      375
      2014
      11
      82
      4
      2
      4
      16
      5
      1953
      61
      ...
      2
      9.100000e+02
      4
      2
      2
      NaN
      NaN
      2
      9.100000e+02
      20160623
    

    

      382
      2014
      11
      82
      7
      1
      2
      14
      1
      1946
      68
      ...
      2
      1.274000e+03
      4
      1
      1
      1
      1
      1
      1.274000e+03
      20160623
    

    

      383
      2014
      11
      82
      7
      2
      4
      28
      5
      1951
      63
      ...
      2
      1.274000e+03
      4
      2
      1
      1
      1
      1
      1.274000e+03
      20160623
    

    

      498
      2014
      11
      104
      3
      1
      4
      6
      12
      1940
      73
      ...
      1
      1.448000e+03
      4
      1
      2
      NaN
      NaN
      2
      1.448000e+03
      20160623
    

    

      510
      2014
      11
      104
      8
      1
      2
      15
      8
      1950
      64
      ...
      3
      9.650000e+02
      4
      1
      1
      2
      2
      1
      9.650000e+02
      20160623
    

    

      528
      2014
      11
      112
      4
      2
      4
      1
      5
      1951
      63
      ...
      3
      1.041000e+03
      4
      2
      2
      NaN
      NaN
      2
      1.041000e+03
      20160623
    

    

      537
      2014
      11
      112
      6
      1
      2
      9
      1
      1947
      67
      ...
      1
      1.084000e+03
      4
      3
      1
      2
      2
      1
      1.084000e+03
      20160623
    

    

      550
      2014
      11
      120
      4
      2
      4
      25
      5
      1936
      78
      ...
      2
      1.000000e+12
      99
      1
      1
      1
      1
      1
      1.000000e+12
      20160623
    

    

      554
      2014
      11
      120
      8
      1
      2
      19
      11
      1945
      68
      ...
      1
      7.240000e+02
      3
      1
      1
      1
      1
      1
      7.240000e+02
      20160623
    

    

      561
      2014
      11
      120
      10
      2
      4
      15
      9
      1945
      69
      ...
      2
      7.240000e+02
      3
      2
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      582
      2014
      11
      139
      7
      1
      2
      12
      4
      1952
      62
      ...
      2
      1.000000e+12
      99
      3
      1
      1
      1
      1
      1.000000e+12
      20160623
    

    

      601
      2014
      11
      147
      2
      1
      2
      16
      10
      1941
      72
      ...
      3
      6.740000e+02
      3
      2
      1
      1
      1
      1
      6.740000e+02
      20160623
    

    

      617
      2014
      11
      147
      6
      3
      4
      7
      9
      1935
      79
      ...
      8
      5.090000e+02
      3
      2
      2
      NaN
      NaN
      2
      9.570000e+02
      20160623
    

    

      625
      2014
      11
      147
      8
      1
      2
      25
      10
      1949
      64
      ...
      2
      4.462000e+03
      7
      2
      1
      1
      1
      1
      4.462000e+03
      20160623
    

    

      638
      2014
      11
      155
      3
      1
      2
      10
      10
      1945
      68
      ...
      3
      1.316000e+03
      4
      5
      2
      NaN
      NaN
      2
      1.316000e+03
      20160623
    

    

      639
      2014
      11
      155
      3
      2
      4
      28
      7
      1946
      68
      ...
      3
      1.316000e+03
      4
      7
      2
      NaN
      NaN
      2
      1.316000e+03
      20160623
    

    

      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
      ...
    

    

      361554
      2014
      53
      1893
      15
      2
      2
      8
      10
      1938
      75
      ...
      2
      1.000000e+12
      99
      1
      2
      NaN
      NaN
      2
      1.000000e+12
      20160623
    

    

      361565
      2014
      53
      1907
      4
      2
      2
      6
      3
      1948
      66
      ...
      4
      6.120000e+02
      3
      1
      2
      NaN
      NaN
      2
      6.120000e+02
      20160623
    

    

      361583
      2014
      53
      1907
      10
      1
      2
      21
      4
      1942
      72
      ...
      3
      1.774000e+03
      5
      2
      2
      NaN
      NaN
      2
      1.774000e+03
      20160623
    

    

      361611
      2014
      53
      1915
      4
      1
      2
      18
      6
      1951
      63
      ...
      2
      1.000000e+12
      99
      5
      2
      NaN
      NaN
      2
      1.000000e+12
      20160623
    

    

      361660
      2014
      53
      1923
      7
      1
      4
      24
      12
      1948
      65
      ...
      3
      2.600000e+04
      7
      7
      2
      NaN
      NaN
      2
      2.600000e+04
      20160623
    

    

      361667
      2014
      53
      1923
      9
      1
      2
      1
      5
      1943
      71
      ...
      2
      1.100000e+04
      7
      7
      2
      NaN
      NaN
      2
      1.100000e+04
      20160623
    

    

      361715
      2014
      53
      1931
      7
      1
      2
      3
      2
      1951
      63
      ...
      5
      5.120000e+02
      3
      2
      2
      NaN
      NaN
      2
      5.120000e+02
      20160623
    

    

      361762
      2014
      53
      1966
      4
      1
      4
      14
      4
      1943
      71
      ...
      3
      1.050000e+04
      7
      7
      1
      2
      2
      1
      1.050000e+04
      20160623
    

    

      361805
      2014
      53
      1974
      15
      1
      2
      10
      8
      1938
      76
      ...
      3
      4.333000e+03
      7
      7
      2
      NaN
      NaN
      2
      4.333000e+03
      20160623
    

    

      361834
      2014
      53
      1982
      8
      2
      4
      27
      11
      1952
      61
      ...
      4
      9.500000e+02
      4
      2
      2
      NaN
      NaN
      2
      9.500000e+02
      20160623
    

    

      361837
      2014
      53
      1982
      9
      1
      2
      17
      10
      1946
      67
      ...
      5
      7.940000e+02
      4
      2
      2
      NaN
      NaN
      2
      7.940000e+02
      20160623
    

    

      361867
      2014
      53
      1990
      1
      1
      2
      5
      7
      1954
      60
      ...
      3
      3.890000e+02
      3
      3
      2
      NaN
      NaN
      2
      3.890000e+02
      20160623
    

    

      361974
      2014
      53
      2016
      2
      1
      2
      25
      7
      1948
      66
      ...
      4
      9.050000e+02
      4
      2
      2
      NaN
      NaN
      2
      9.050000e+02
      20160623
    

    

      361978
      2014
      53
      2016
      3
      1
      4
      22
      9
      1922
      92
      ...
      1
      1.448000e+03
      4
      1
      2
      NaN
      NaN
      2
      1.448000e+03
      20160623
    

    

      361982
      2014
      53
      2016
      5
      1
      4
      2
      8
      1954
      60
      ...
      1
      7.240000e+02
      3
      2
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      361994
      2014
      53
      2016
      8
      2
      4
      13
      12
      1951
      62
      ...
      2
      1.357000e+03
      4
      2
      1
      2
      2
      1
      1.357000e+03
      20160623
    

    

      362025
      2014
      53
      2024
      1
      2
      4
      26
      5
      1945
      69
      ...
      4
      7.240000e+02
      3
      2
      2
      NaN
      NaN
      2
      7.240000e+02
      20160623
    

    

      362035
      2014
      53
      2024
      4
      1
      2
      5
      4
      1954
      60
      ...
      6
      1.659000e+03
      5
      2
      1
      2
      2
      1
      1.659000e+03
      20160623
    

    

      362036
      2014
      53
      2024
      4
      2
      4
      3
      1
      1953
      61
      ...
      6
      1.659000e+03
      5
      2
      2
      NaN
      NaN
      2
      1.659000e+03
      20160623
    

    

      362046
      2014
      53
      2024
      5
      6
      2
      17
      12
      1931
      82
      ...
      8
      2.710000e+02
      2
      2
      2
      NaN
      NaN
      2
      3.620000e+02
      20160623
    

    

      362108
      2014
      53
      2032
      8
      2
      4
      30
      1
      1954
      60
      ...
      4
      1.629000e+03
      5
      5
      2
      NaN
      NaN
      2
      1.629000e+03
      20160623
    

    

      362205
      2014
      53
      2059
      4
      2
      4
      15
      11
      1935
      78
      ...
      2
      9.450000e+02
      4
      2
      2
      NaN
      NaN
      2
      9.450000e+02
      20160623
    

    

      362215
      2014
      53
      2059
      7
      2
      4
      26
      1
      1954
      60
      ...
      4
      5.400000e+02
      3
      3
      1
      2
      2
      1
      5.400000e+02
      20160623
    

    

      362344
      2014
      53
      2083
      3
      2
      4
      20
      9
      1944
      70
      ...
      3
      3.291000e+03
      6
      1
      2
      NaN
      NaN
      2
      3.291000e+03
      20160623
    

    

      362357
      2014
      53
      2083
      8
      1
      2
      31
      8
      1947
      67
      ...
      4
      3.500000e+02
      2
      2
      2
      NaN
      NaN
      2
      3.500000e+02
      20160623
    

    

      362384
      2014
      53
      2083
      15
      1
      4
      3
      5
      1944
      70
      ...
      3
      3.410000e+02
      2
      1
      2
      NaN
      NaN
      2
      3.410000e+02
      20160623
    

    

      362517
      2014
      53
      2121
      2
      5
      2
      9
      7
      1953
      61
      ...
      6
      3.000000e+02
      2
      1
      2
      NaN
      NaN
      2
      3.000000e+02
      20160623
    

    

      362518
      2014
      53
      2121
      2
      6
      4
      20
      4
      1953
      61
      ...
      6
      3.000000e+02
      2
      2
      2
      NaN
      NaN
      2
      3.000000e+02
      20160623
    

    

      362548
      2014
      53
      2130
      7
      1
      2
      3
      7
      1941
      73
      ...
      2
      6.600000e+03
      7
      7
      1
      2
      2
      1
      6.600000e+03
      20160623
    

    

      362609
      2014
      53
      2148
      12
      1
      2
      24
      12
      1953
      60
      ...
      7
      4.420000e+02
      3
      1
      1
      2
      2
      1
      4.420000e+02
      20160623
    

  



19130 rows × 341 columns



















In [ ]:



    


#Quase metade dos pardos conseguem pagar o inss e receber a aposentadoria



    











In [149]:



    


#Qual a escolaridade desses aposentados homens



    











In [131]:



    


pnad2014.Educação = pnad2014[(pnad2014.V9122 == 2)&(pnad2014.V0302 == 2)&(pnad2014.V6007 >= 1)&(pnad2014.V6007 < 10)].V6007.astype('category')



    











In [132]:



    


pnad2014.Educação.cat.categories = ('Elementar','Médio 1° ciclo', 'Médio 2° ciclo', 'Ensino Fundamental', 'Ensino Médio',
                                   'Supletivo 1° grau', 'Supletivo 2° grau', 'Superior', 'Mestrado ou Doutorado')



    











In [133]:



    


barraEdu = pnad2014.Educação.value_counts()
barraEdu.plot(kind='bar', color=('red', 'black'), legend=False)
plt.title("Escolaridade")



    


















    
Out[133]:








<matplotlib.text.Text at 0x25016722438>










    
























In [84]:



    


#Qual a relaçao de escolaridade com raça entre esses aposentados homens no Brasil



    











In [85]:



    


pnad2014.Educação.value_counts(True)*100
pnad2014.Raca.value_counts(True)*100



    


















    
Out[85]:








Branca      50.328688
Parda       39.547725
Preta        9.261110
Amarela      0.525901
Indígena     0.336576
dtype: float64

















In [88]:



    


ct = pd.crosstab(pnad2014.Raca, pnad2014.Educação)
ct



    


















    
Out[88]:










  
    

      V6007
      Elementar
      Médio 1° ciclo
      Médio 2° ciclo
      Ensino Fundamental
      Ensino Médio
      Supletivo 1° grau
      Supletivo 2° grau
      Superior
      Mestrado ou Doutorado
    

    

      V0404
      
      
      
      
      
      
      
      
      
    

  
  
    

      Indígena
      16
      7
      3
      5
      1
      0
      1
      6
      1
    

    

      Branca
      3835
      809
      638
      704
      863
      81
      106
      1373
      92
    

    

      Preta
      627
      152
      66
      198
      148
      23
      24
      91
      5
    

    

      Amarela
      35
      12
      5
      3
      6
      0
      1
      24
      4
    

    

      Parda
      3008
      478
      326
      683
      495
      93
      74
      349
      21
    

  




















In [36]:



    


#Diferenças nas educações entre diferentes raças em sp



    











In [37]:



    


raca_sp = pnad2014.Raca[pnad2014.Regioes == 'São Paulo'].value_counts()
raca_sp.plot(kind='pie',autopct="%.2f",legend=False)
plt.title("Raça de aposentados em SP")



    


















    
Out[37]:








<matplotlib.text.Text at 0x2500278b518>










    
























In [38]:



    


edu_sp1 = pnad2014.Educação[pnad2014.Raca == 'Branca'].value_counts(True)*100
edu_sp1.plot(kind='pie', autopct="%.2f",legend = False)
plt.title("Educação aos Brancos em SP")



    


















    
Out[38]:








<matplotlib.text.Text at 0x250027f9048>










    
























In [ ]:



    






    











In [ ]:



    






    











In [39]:



    


edu_sp2 = pnad2014.Educação[pnad2014.Raca == 'Preta'].value_counts(True)*100
edu_sp2.plot(kind='pie', autopct="%.2f",legend = False)
plt.title("Educação aos Pretos em SP")



    


















    
Out[39]:








<matplotlib.text.Text at 0x2500287d668>










    
























In [ ]:



    


#



    











In [40]:



    


edu_sp3 = pnad2014.Educação[pnad2014.Raca == 'Parda'].value_counts(True)*100
edu_sp3.plot(kind='pie', autopct="%.2f",legend = False)
plt.title("Educação aos Pardos em SP")



    


















    
Out[40]:








<matplotlib.text.Text at 0x25002905c50>










    
























In [ ]:



    






    











In [185]:



    


pnad2014.Renda = pnad2014[(pnad2014.V9122 == 2)&(pnad2014.V0302 == 2)&(pnad2014.V0404 == 2)&(pnad2014.UF==35)&(pnad2014.V4743>=0)&(pnad2014.V4743<=7)].V4743.astype('category')



    











In [186]:



    


pnad2014.Renda.cat.categories = ('Até ¼ salário mínimo', 'Mais de ¼ até ½ salário mínimo', 
                                'Mais de ½ até 1 salário mínimo', 'Mais de 1 até 2 salários mínimos',
                                 'Mais de 2 até 3 salários mínimos','Mais de 3 até 5 salários mínimos',
                                'Mais de 5 salários mínimos')



    











In [200]:



    


barraRendaP = pnad2014.Renda.value_counts()
barraRendaP.plot(kind='bar', color=('white'), legend=False)
plt.title("Renda aposentados brancos")



    


















    
Out[200]:








<matplotlib.text.Text at 0x25025879fd0>










    
























In [188]:



    


pnad2014.Renda2 = pnad2014[(pnad2014.V9122 == 2)&(pnad2014.V0302 == 2)&(pnad2014.V0404==4)&(pnad2014.UF==35)&(pnad2014.V4743>=0)&(pnad2014.V4743<=7)].V4743.astype('category')



    











In [189]:



    


pnad2014.Renda2.cat.categories = ('Até ¼ salário mínimo', 'Mais de ¼ até ½ salário mínimo', 
                                'Mais de ½ até 1 salário mínimo', 'Mais de 1 até 2 salários mínimos',
                                 'Mais de 2 até 3 salários mínimos','Mais de 3 até 5 salários mínimos',
                                'Mais de 5 salários mínimos')



    











In [191]:



    


barraRendaB = pnad2014.Renda2.value_counts()
barraRendaB.plot(kind='bar', color=('black'), legend=False)
plt.title("Renda aposentados pretos")



    


















    
Out[191]:








<matplotlib.text.Text at 0x250256a27f0>










    
























In [213]:



    


pnad2014.Renda3 = pnad2014[(pnad2014.V9122 == 2)&(pnad2014.V0302 == 2)&(pnad2014.V0404==8)&(pnad2014.UF==35)&(pnad2014.V4743>=1)&(pnad2014.V4743<=7)].V4743.astype('category')



    











In [214]:



    


pnad2014.Renda3.cat.categories = ( 'Mais de ¼ até ½ salário mínimo', 
                                'Mais de ½ até 1 salário mínimo', 'Mais de 1 até 2 salários mínimos',
                                 'Mais de 2 até 3 salários mínimos','Mais de 3 até 5 salários mínimos',
                                'Mais de 5 salários mínimos')



    











In [215]:



    


barraRendaPa = pnad2014.Renda3.value_counts()
barraRendaPa.plot(kind='bar', color=('brown'), legend=False)
plt.title("Renda aposentados pardos")



    


















    
Out[215]:








<matplotlib.text.Text at 0x250118327b8>

Conclusão

Após ver que a população aposentada é bem parecida entre homens e mulheres, conclui que os dados vão acabar sendo parecidos e decidi pegar os homens para análise. 
A maioria da população masculina que tem melhores condições de pagar INSS e receber a aposentadodia, fica nas áreas ricas do Brasil, nos famosos centros comerciais, como São Paulo, Rio de Janeiro, Rio Grande do Sul e etc. 
Além disso, a divisão étnica desses aposentados se diferem bastante, tendo uma maioria brancos, pardos e negros, mas desconsiderando indigenas e amarelos por realmente não estarem em grandes quantidades no Brasil, há uma grande diferença entre a quantidade de negros e brancos, mostrando uma ideia de que os negros em geral nao conseguem pagar esse INSS e portanto há uma grande diferença na distribuição da renda brasileira. 
Porém, ao analisarmos a quantidade total de pessoas acima dos 60 anos no Brasil (idade que se pode receber a aposentadoria em geral), vemos que tanto com brancos, pretos e pardos, apenas metade da população de cada raça consegue receber esse benefício, ou seja, não é apenas a população negra que não cosnsegue pagar ou não veem beneficio em pagar e sim todas.
Querendo ir mais fundo nesse assunto, decidi ver a escolaridade e a renda dessas pessoas e percebi que aqueles que usufruem desse beneficio possuem quase as mesmas caracteristicas de escolarização, sendo muito precária ,já que aproximadamente, apenas 15% de cada raça fizeram curso superior (vendo apenas em São Paulo, cidade mais populosa no quesito de aposentados).
A seguir, analisei quantas pessoas existem em cada grupo,na qual cada grupo representa a quantidade de renda das pessoas em salários mínimos. Todas as raças são aproximadamente iguais, tendo uma maioria no grupo de 1 a 2 salarios mínimos. 
Ou seja, a previdência pública, mesmo que dando mais dinheiro a aqueles que cuntribuem mais para o governo, não aparenta ser o fator determinante e contribuidor da desigualdade social em relação com a desigualdade étnica, já que ela é defasada, precária e  prejudica a todos, não ajudando em nenhum setor social. 




In [ ]:

Content source: renekm/CD-atualizado-

Similar notebooks:

notebook.community | gallery | about